-
公开(公告)号:CN116758282A
公开(公告)日:2023-09-15
申请号:CN202310508283.X
申请日:2023-05-08
Applicant: 复旦大学
IPC: G06V10/26 , G06V10/24 , G06V10/25 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 一种基于混合标注的甲状腺超声图像结节弱监督分割系统,包括:由主模型和辅助模型组成的特征提取模块和基于对比学习的区域分割模块,主模型中的特征提取模块根据原始图像和混合标注生成特征图至区域分割模块,区域分割模块采用对比学习的方式将特征图分成甲状腺结节前景和背景表征后,根据点在前景区域的扩散区域形成前景对、涂鸦标注在背景区域的扩散区域形成背景对后,基于两者间距离进行对比,以在实现结节区域的分割,得到甲状腺结节的粗略分割,辅助模型和主模型之间共享权重,本发明采用点和涂鸦的混合标注方法,更好地增强实验的可重复性和客观性。
-
公开(公告)号:CN110163828B
公开(公告)日:2022-02-18
申请号:CN201910618211.4
申请日:2019-07-10
Applicant: 复旦大学
Abstract: 一种基于超声射频信号的乳腺钙化点图像优化系统及方法,包括:预处理模块、钙化点处理模块和增强显示模块,其中:预处理模块与数据来源相连并传输原始射频信号信息,钙化点处理模块与预处理相连并传输单通道射频信号信息,增强显示模块与输出端相连并传输增强显示图片信息。本发明基于乳腺射频信号的特点设计深度学习网络,高效率检测钙化点,进行增强显示。
-
公开(公告)号:CN113344829A
公开(公告)日:2021-09-03
申请号:CN202110430141.7
申请日:2021-04-21
Applicant: 复旦大学
Abstract: 一种基于超声感知动态信息整合多通路生成对抗网络的便携超声视频优化重建方法,首先将便携超声仪器采集的超声B模式图像进行超声感知动态信息整合分解,生成低秩部分和稀疏部分以有效分解图像中的低秩部分与稀疏部分;通过分别位于原图像子通道、低秩子通道和稀疏子通道上的多通路生成对抗网络以动态/静态信息级联迁移学习策略分别学习便携超声仪器采集的超声B模式图像、分解得到的低秩部分和稀疏部分,最后由过融合层平均后得到重建结果。本发明通过级联迁移学习策略捕捉动态信息、实现由粗到精的学习过程,显著提升重建效果。
-
公开(公告)号:CN113269778A
公开(公告)日:2021-08-17
申请号:CN202110683693.9
申请日:2021-06-21
Applicant: 复旦大学
Abstract: 一种基于迭代的图像弱监督分割方法,将包含定位边界框的甲状腺超声图像作为弱监督信息,利用概率梯度标注方式获得训练标注,以迭代训练的方式不断更新深度学习弱监督分割网络参数和训练标签,最后采用训练后的网络对待处理图像进行分割。本发明通过迭代网络的优化,在无需人工干预的弱监督条件下将初始定位标签转化为最终的分割结果,可以在无需人工标注的弱监督条件下实现甲状腺超声图像中特定区域的准确分割。
-
公开(公告)号:CN108776969A
公开(公告)日:2018-11-09
申请号:CN201810505528.2
申请日:2018-05-24
Applicant: 复旦大学
Abstract: 本发明属于图像处理技术领域,具体为基于全卷积神经网络的乳腺超声图像肿瘤分割方法。本发明方法包括:构建基于空洞卷积的全卷积神经网络,用于粗略分割超声图像上获得乳腺肿瘤;构建的DFCN网络中,使用空洞卷积,从而使网络保持较深层的特征图的分辨率,以确保在有大量阴影区域的情况下也能很好地分割肿瘤;此外,DFCN网络中还使用批量归一化技术,使得网络具有更高的学习率,加速了训练过程;利用基于相位信息的动态轮廓PBAC模型,对于粗略分割结果进行优化,得到最终精细的分割结果;实验结果表明,本发明可以准确地分割肿瘤,尤其对边界模糊、阴影多的超声图像有很好的分割结果。
-
公开(公告)号:CN104657984B
公开(公告)日:2018-10-16
申请号:CN201510044837.0
申请日:2015-01-28
Applicant: 复旦大学
Abstract: 本发明属于图像处理领域,具体为一种三维超声乳腺全容积成像(ABVS)中感兴趣区域的自动提取方法。本发明使用基于最大方向相位信息方法对三维ABVS图像中连续横断面二维图像进行处理,得到每一幅横断面图像上的感兴趣的候选区域;根据乳腺肿瘤在二维横断面图像上的连续性、位置特性等先验知识去除无关区域;对剩余疑似肿瘤区域进行形状和纹理特征获取,输入至二值逻辑回归分类器得到每一个区域可能为肿瘤的概率,选取其中概率最大的区域为肿瘤区域;根据选取的区域得到包含感兴趣区域的最小椭球,即为感兴趣区域。本发明可以实现三维ABVS图像中肿瘤感兴趣区域的自动提取,获取肿瘤的准确位置,减少人工操作的工作量,为进一步的肿瘤检测提供重要参考。
-
公开(公告)号:CN119904693A
公开(公告)日:2025-04-29
申请号:CN202411987476.9
申请日:2024-12-31
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/44 , G06V10/774 , G06V10/82 , G06V10/25 , G06N3/0455 , G06N3/094
Abstract: 一种基于闭环因果生成的模糊类别图像分类系统,包括:数据读取模块、因果生成器模块和用于训练的鉴别器模块,其中:数据读取模块根据输入的三维图像信息,进行图像剪切单元、图像归一化单元、格式转换单元处理,得到可以被后续模块读取和识别的数据信息;因果生成器模块通过闭环图像生成分支根据接收数据读取模块的处理结果,进行因果图像生成处理,得到原始图像的增强版本;然后通过图像分类分支根据原始图像的增强版本得到准确分类结果;鉴别器模块根据因果生成器的处理结果,对原始图像的增强版本进行图像真实性鉴别,得到图像真实性分数,从而完成与生成器的对抗性训练,确保因果生成器生成图像的真实性。本发明通过在生成模型中特异性控制目标的类别因果特征表达并用于图像二分类任务中,从而提高模型对模糊样本的分类准确率。
-
公开(公告)号:CN114387208B
公开(公告)日:2024-12-13
申请号:CN202111461032.8
申请日:2021-12-02
Applicant: 复旦大学
IPC: G06T7/00 , G06T7/33 , G06T3/4007 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于上下文驱动的金字塔结构无监督配准系统及方法,包括:两个分别用于接收参考图像和待配准图像且共享权重的多分辨率金字塔模块、变形场估计模块、优化模块、变形场正则化模块以及配准模块,其中:变形场估计模块根据参考图像、待配准图像、上一级估计的变形场、上一级生成的多角度语义信息,在不同分辨率下分别对变形场进行估计,并生成变形场和多角度语义信息;优化模块将估计得到的变形场调整至与原始图像的分辨率一致;变形场正则化模块通过变形场正则化模型对变形场的折叠区域进行局部高斯平滑滤波,从而降低变形场的折叠率并输出最终变形场,配准模块根据最终变形场进行特征映射得到配准后图像。
-
公开(公告)号:CN118887233A
公开(公告)日:2024-11-01
申请号:CN202410907937.0
申请日:2024-07-08
Applicant: 复旦大学
IPC: G06T7/11 , G06V10/774 , G06V10/80 , G06V10/764 , G06V10/25 , G06N3/0464
Abstract: 一种基于重建‑分割双支路特征融合的超声图像分割方法,基于重建‑分割双支路特征融合的超声图像分割方法,在离线阶段构造并训练包括具有各自解码器和任务头的分割支路和重建支路、一个编码器和特征融合模块的重建‑分割双支路网络,在在线阶段采用训练后的网络进行实时图像分割。本发明通过将图像重建作为分割模型训练时的一个辅助任务来为分割任务提供更丰富的特征信息,辅以特征图融合模块以指导网络提取到更关注于目标分割区域的特征信息来提高分割的准确度,在不增加计算成本的情况下提高分割模型在不同医学超声图像域的鲁棒性。
-
公开(公告)号:CN116721048A
公开(公告)日:2023-09-08
申请号:CN202210189679.8
申请日:2022-02-28
Applicant: 复旦大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/084 , G06N3/045
Abstract: 一种基于捷径连接金字塔结构的X线图像检测系统,包括:用于接收多中心钼靶图像的自适应图像调整模块、高分辨率特征提取模块、多尺度捷径连接与加权融合模块和区域推荐与检测模块,其中:自适应调整模块将多中心的钼靶图像进行直方图规范化,并将图像自适应剪裁成统一尺寸;高分辨率特征提取模块提取图像的i个不同尺度的特征图Ci;多尺度捷径连接与加权融合模块将传递并加权融合有利于钙化检测的特征,生成i个多尺度检测特征图Pi;区域推荐与检测模块基于上述多尺度特征图Pi进行候选区域的推荐,并且针对候选区域进行进一步的边界框的回归和目标分类。
-
-
-
-
-
-
-
-
-