-
公开(公告)号：CN112419246A
公开(公告)日：2021-02-26
申请号：CN202011263459.2
申请日：2020-11-12
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种量化食管粘膜IPCLs血管形态分布的深度检测网络。本发明包括特征提取网络和特征金字塔、区域候选网络、兴趣区域池化与聚簇分布先验自嵌入的癌灶分类网络、在窄带成像内镜图像上进行可视化的系统。特征提取网络提取输入图像的特征图；特征金字塔将不同尺度的特征相融合；区域候选网络提出可能的病灶区域；对兴趣区域池化将特征池化到可疑病灶区域；聚簇分布先验自嵌入的癌灶分类网络对癌灶进行分类；最后在窄带成像内镜图像上进行可视化，使用不同的颜色对癌灶进行框选标记。本发明对图像中存在的早期食管鳞癌的癌灶进行检测与诊断，可有效提升诊断效率，辅助医生获取更高的诊断精度。
-
公开(公告)号：CN112102234A
公开(公告)日：2020-12-18
申请号：CN202010784988.0
申请日：2020-08-06
Applicant: 复旦大学
Abstract: 本发明属于医学图像智能处理技术领域，具体为一种基于目标检测神经网络的耳硬化病灶检测及诊断系统。本发明系统包括特征提取主干网络、目标检测与分类网络、对多层检测结果的后处理诊断系统；主干网络在VGG‑19的基础上构建，包括16个卷积层，用于提取输入图像的特征图；目标检测与分类网络包括区域提取网络、自适应池化层、分类网络，得到区域的类别；后处理诊断系统输入为个分层检测结果，输出为该样本的诊断结果。本发明系统将3D的颞骨CT图像分层输入网络模型中，经过一次前向传播以及后处理，即可同时获得病灶检测及诊断结果，可有效提升诊断效率，辅助医生获取更高的诊断精度。
-
公开(公告)号：CN118628385A
公开(公告)日：2024-09-10
申请号：CN202410613623.X
申请日：2024-05-17
Applicant: 复旦大学
IPC: G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/0985 , G06N3/0895
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于单张噪声样本的自监督荧光显微镜图像去噪方法。本发明方法包括：通过在单张有噪声的荧光显微镜图像中进行时空维度的像素采样，生成多个成对的带噪荧光显微镜图像数据；利用构造的成对带噪样本训练一个基于U‑Net结构的去噪网络。实验结果表明，本方法克服了之前荧光显微镜图像去噪方法的缺陷，仅利用单幅有噪声的三维荧光显微镜延时成像数据来训练去噪模型，可有效抑制荧光显微镜图像的噪声，提升图片的清晰度，具有较强的实用价值。
-
公开(公告)号：CN114767163B
公开(公告)日：2024-06-25
申请号：CN202210267483.6
申请日：2022-03-17
Applicant: 复旦大学
IPC: A61B8/06
Abstract: 本发明公开了一种基于超声心动图的儿童先天性心脏病智能诊断系统。该系统包括用于自动预测患者是否有心脏缺损的超声心动视频关键帧选取模块，用于提供患者心脏缺损准确位置的先天性心脏缺陷定位检测模块，前者是基于ResNet设计的分类网络；后者是基于Faster‑RCNN设计的检测网络；以超声心动图的灰色和彩色超声图同时作为系统的输入；本发明还包括有5025名儿童的大规模超声心动图集，建立的基于超声心动图的深度学习模型，可以同时诊断常见的先天性心脏缺陷。实验结果表明，当输入单个超声心动图的标准切面时，在外部独立验证集上对三种常见先天性心脏病的诊断达到100%的敏感性和特异性。
-
公开(公告)号：CN109919830B
公开(公告)日：2023-02-10
申请号：CN201910065383.3
申请日：2019-01-23
Applicant: 复旦大学
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种基于美学评价的带参考人眼图像修复方法。图像修复是指利用算法来替换已丢失或者损坏的图像数据。人眼图像修复主要用于拍照中的闭眼、斜眼等情况，以产生真实、自然、美观的新人眼。本发明方法包括：从待修复图像中标记出眼睛的位置；基于人眼美学评价和人脸结构相似性选择参考图；对参考图片提取眼部位置；将输入图像、参考图像和对应的眼部标记共同载入生成器，通过深度网络生成修复的人脸图像。在网络的训练中引入全局判别器、局部判别器和人脸语义解析网络来辅助生成器学习人眼修复任务。实验结果表明，本发明可以生成自然美观且与原面部相符的人眼，有效解决人眼修复问题。
-
Patent Agency Ranking
公开(公告)号：CN115456908A
公开(公告)日：2022-12-09
申请号：CN202211192386.1
申请日：2022-09-28
Applicant: 复旦大学
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于构造成对噪声样本的鲁棒的自监督图像去噪方法。本发明方法包括：通过预去噪网络获取带噪图像的粗糙去噪图像；以组为单位将原始带噪图像与粗糙去噪图像做差得到近似真实分布的噪声；将成组的噪声执行组内循环移位操作两次，其结果分别与粗糙去噪图像相加，得到两组成对带噪样本；利用构造的成对带噪样本和一个不确定性感知的损失函数训练一个双分支去噪网络，使其去噪性能和鲁棒性得以提升。实验结果表明，本方法克服了之前自监督图像去噪方法的缺陷，有效提升了去噪图片的清晰度，同时本方法中构造带噪样本的方式具有较强的实用价值。
-
公开(公告)号：CN114862697A
公开(公告)日：2022-08-05
申请号：CN202210370638.9
申请日：2022-04-10
Applicant: 复旦大学
IPC: G06T5/00 , G06T15/00 , G06V40/16 , G06V10/774
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于三维分解的人脸盲修复方法。本发明包括：使用人脸三维重建模型将人脸图像分解为纹理层、骨骼结构层和环境及位姿参数三部分；对骨骼结构层使用编码器‑解码器对其进行粗粒度填充，对纹理层先使用不同参数编码器‑解码器对其进行细粒度填充，再使用人脸增强模块对人脸细节增强；用三维重建网络中的渲染器将修复的两个成分与其他参数结合渲染得到修复重建后的三维人脸图像；将修复得到的三维人脸图像和被遮挡的输入图共同输入人脸精修模块，得到被修复的人脸图像。实验结果表明，当图像的遮挡范围没有被手动标注时，本发明能够准确地对人脸进行修复，同时保持未被遮挡部分和输入图像保持一致。
-
公开(公告)号：CN112419246B
公开(公告)日：2022-07-22
申请号：CN202011263459.2
申请日：2020-11-12
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种量化食管粘膜IPCLs血管形态分布的深度检测网络。本发明包括特征提取网络和特征金字塔、区域候选网络、兴趣区域池化与聚簇分布先验自嵌入的癌灶分类网络、在窄带成像内镜图像上进行可视化的系统。特征提取网络提取输入图像的特征图；特征金字塔将不同尺度的特征相融合；区域候选网络提出可能的病灶区域；对兴趣区域池化将特征池化到可疑病灶区域；聚簇分布先验自嵌入的癌灶分类网络对癌灶进行分类；最后在窄带成像内镜图像上进行可视化，使用不同的颜色对癌灶进行框选标记。本发明对图像中存在的早期食管鳞癌的癌灶进行检测与诊断，可有效提升诊断效率，辅助医生获取更高的诊断精度。
-
公开(公告)号：CN112819768B
公开(公告)日：2022-06-17
申请号：CN202110104450.5
申请日：2021-01-26
Applicant: 复旦大学
Abstract: 本发明属于医学图像智能处理技术领域，具体为一种基于DCNN的癌症全视野数字病理切片生存分析方法。本发明方法包括，从病理切片中淋巴密集区域、坏死区域、肿瘤区域分别取若干图像块，同切片的全局分割一起送入一个卷积神经网络通过前向传播获得该切片的生存时间分布。可从预测所得生存时间分布中获得患者在若干个时间区间的死亡概率，通过累加可获得患者在若干时间节点前的生存概率。本发明以切片局部的图像以及全局的组织分布作为输入，输出患者的生存时间分布，帮助医生估计患者的预后状况，从而辅助癌症早期临床诊断。
-
公开(公告)号：CN112884777B
公开(公告)日：2022-04-12
申请号：CN202110090738.1
申请日：2021-01-22
Applicant: 复旦大学
Abstract: 本发明属于医学图像智能处理技术领域，具体为一种基于自采样相似的多模态协作食管癌病变图像分割系统。针对早期食管癌诊断，首先构建配对的白光图像和NBI数据集；所述分割系统包括特征提取编码器、自采样相似特征分离模块、特征融合解码器；以白光图像和NBI作为多模态输入，由两个编码器分别提取两种模态的特征；对于每一种模态，自采样相似特征分离模块将病变区域特征与正常区域给予有效区分；解码器在特征域完成多模态特征融合，最终输出两种模态图像的病变分割结果。实验结果表明，本发明可以合理融合不同模态的特征，显著区分病变区域与正常区域，实现病变区域的精准分割，提高临床诊断的效率。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.019 seconds)
