公开(公告)号：CN118469821B

公开(公告)日：2024-09-13

申请号：CN202410939677.5

申请日：2024-07-15

Applicant: 湖南大学

Inventor： 刘敏 ,  刘庆浩 ,  陈祥 ,  刘立成 ,  王耀南

IPC: G06T3/4053 ,  G06N3/0464 ,  G06T3/18 ,  G06T3/4046 ,  G06V10/40 ,  G06V10/80

Abstract: 本申请涉及一种基于扩散模型的医学图像体积超分辨率方法，构建基于扩散模型的医学图像体积超分辨率模型；将医学图像输入至形变流特征提取模块，得到医学图像中相邻层之间的运动形变映射；基于医学图像和各层间的运动形变映射，得到形变估计图像；对形变估计图进行预处理，并将预处理后的形变估计图像分别输入至新型UNet网络中编码器的各层，输出多个特征图；每个特征图均经过复合卷积注意力模块，进行特征融合，分别得到对应的融合特征图；对每个融合特征图进行再次融合，分别得到对应的第二融合特征图；将每个第二融合特征图输入至新型UNet网络中的解码器，输出医学图像的超分辨率图像。该方法提升了图像的细节恢复和分辨率增强效果。

公开(公告)号：CN116563696A

公开(公告)日：2023-08-08

申请号：CN202211616101.2

申请日：2022-12-15

Applicant: 湖南大学

Inventor： 杨彬 ,  郭金源 ,  刘立成 ,  毛银 ,  刘欣鑫

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/56 ,  G06N3/048 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0442

Abstract: 本发明公开了一种基于物候先验的通用作物制图损失函数，包括作物物候先验交叉熵损失，并以油菜在时间序列制图进行验证。作物物候先验交叉熵损失包括两个关键步骤：首先，通过综合植被指数提取油菜的物候特征；然后，利用物候特征作为先验知识进行损失优化，以更加关注油菜像素的识别。其中，油菜制图算法的整体框架，主要包括两大部分：先验监督和深度学习模型；所述深度学习模型包括LSTM、1DCNN和DNN。本发明一种基于物候先验的通用作物制图损失函数，该技术使用简单且容易操作；它为深度学习模型在不改变网络结构和增加计算量的情况下提高作物制图的精度提供了一种新的解决思路，此外采用物候先验进行作物制图的想法是通用的。