-
公开(公告)号：CN118469845B
公开(公告)日：2024-09-24
申请号：CN202410925506.7
申请日：2024-07-11
Applicant: 华侨大学
IPC: G06T5/60 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094 , G06T5/94 , G06V10/52 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种非参考无标记细胞显微图像视觉增强方法，涉及图像处理技术领域，包括以下步骤：采集无标记细胞显微图像形成数据集；构建显微视觉增强网络；利用数据集对显微视觉增强网络进行训练；使用训练好的显微视觉增强网络对无标记细胞显微图像进行增强；所述显微视觉增强网络包括预增强网络和增强网络；增强网络接收无标记细胞显微图像，通过显微视觉Retinex块增强对比度以获得预增强图像，通过多尺度特征提取模块对预增强图像进行特征提取，输出多尺度特征信息；增强网络采用生成对抗网络，根据多尺度特征信息实现图像增强。本发明解决了无标记细胞显微图像存在的对比度低、弱边缘和整体亮度较暗等问题，且无需进行参考标准图像训练。
-
Patent Agency Ranking
公开(公告)号：CN118379303A
公开(公告)日：2024-07-23
申请号：CN202410807394.5
申请日：2024-06-21
Applicant: 华侨大学
IPC: G06T7/10 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本发明公开了一种基于多尺度Transformer多注意力的#imgabs0#病理细胞分割方法及装置，涉及图像处理技术领域，方法包括：构建#imgabs1#细胞分割模型并进行训练，利用训练好的#imgabs2#细胞分割模型实现病理细胞分割；#imgabs3#细胞分割模型包括特征编码部分、中间连接部分和特征解码部分；特征编码部分对输入图像进行多尺度特征提取；中间连接部分采用若干跳跃连接层接收特征编码部分输出的特征并基于多尺度transformer注意力进行特征聚合，将聚合特征与解码器输出特征进行特征融合，得到融合特征；特征解码部分对融合特征进行解码，输出分割结果。本发明可避免下采样造成的信息丢失，有效增强病理细胞边界特征信息，提高病理细胞分割精确率。
-
公开(公告)号：CN117392119B
公开(公告)日：2024-03-12
申请号：CN202311666194.4
申请日：2023-12-07
Applicant: 华侨大学
IPC: G06T7/00 , G06N3/0464 , G06T7/73 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于位置先验和特征感知的肿瘤病变区域检测方法及装置，涉及医学图像处理领域，包括：获取乳腺超声图像并预处理，得到预处理后的乳腺超声图像；构建基于改进的YOLOv5网络的乳腺肿瘤病变区域检测模型并训练，得到经训练的乳腺肿瘤病变区域检测模型，该模型包括骨干网络、颈部结构和头部结构，将YOLOv5网络中的骨干网络和颈部结构中的CBS模块改为DBS模块，将C3模块中的CBS模块改为DBS模块，CBM模块改为DBM模块，在SPPF模块后面增加一个位置注意力模块，将头部结构中检测模块改为特征感知模块；将预处理后的乳腺超声图像输入经训练的乳腺肿瘤病变区域检测模型，得到病变区域、对应的肿瘤良恶性类别及置信度，解决易受散斑噪声影响导致准确低的问题。
-
公开(公告)号：CN117372308B
公开(公告)日：2024-03-12
申请号：CN202311645210.1
申请日：2023-12-04
Applicant: 华侨大学
Abstract: 本发明公开了一种相衬细胞显微图像清晰度增强方法及系统，涉及图像处理领域，方法包括如下步骤：利用非对称滑动窗口图像预增强算法对相衬细胞显微图像进行灰度值预增强，得到预增强的相衬细胞显微图像；利用弱结构特征提取算法对预增强的相衬细胞显微图像进行计算处理，得到弱结构特征图像；利用预增强的相衬细胞显微图像与弱结构特征图像作差分融合，得到增强相衬细胞显微图像。本发明采用多尺度导向滤波提取相衬显微图像的背景与边缘图像；采用多尺度差分运算进一步增强弱结构特征的清晰度；通过差分运算进一步解决弱边缘的问题，输出细节突出、结构完整、背景均匀的增强相衬细胞显微图像。
-
公开(公告)号：CN117422715A
公开(公告)日：2024-01-19
申请号：CN202311740818.2
申请日：2023-12-18
Applicant: 华侨大学
Abstract: 本发明提供一种基于全局信息的乳腺超声肿瘤病变区域检测方法，属于医学图像领域，包括：步骤S1、获取标注图像数据集；步骤S2、构建作为目标检测模型的卷积神经网络：backbone部分采用由上至下依次布置的特征提取模块和坐标注意力模块，特征提取模块包括CBS模块以及交替模块，交替模块输出高维特征图，坐标注意力模块对该高维特征图的进行全局编码，得到全局信息特征图；neck部分采用相互融合的FPN网络和PANET网络，得到多个维度特征图；head部分采用TSCODE模块，CBS模块输出的低维特征图和多个维度特征图作为TSCODE模块的多层输入特征图，输出基于全局信息预测的图像。本发明实现对乳腺超声肿瘤图像中存在误检漏检问题的优化，提高检测的识别率和准确性。
-
公开(公告)号：CN117392154A
公开(公告)日：2024-01-12
申请号：CN202311667341.X
申请日：2023-12-07
Applicant: 华侨大学
Abstract: 本发明公开了一种相衬显微细胞图像分割方法及系统，涉及图像分割领域，方法包括如下步骤：对原始图像作双树复小波变换以获得不同级别的高通系数图像和不同级别的低通系数图像；对低通系数图像作改进形态学变换以获得增强低通系数图像；对高通系数图像作自适应阈值处理以获得消噪高通系数图像；将增强低通系数图像和消噪高通系数图像结合并作双树复小波逆变换以获得重构图像，重构图像增强后作经验梯度阈值分割得到预分割图像；根据双树复小波分解的低通系数对预分割图像进行改进标记分水岭变换以获得细胞分割结果。本发明可有效增强细胞边缘特征，避免固定阈值造成细胞图像重要信息丢失的发生，提高细胞分割的精确率，实现粘连细胞的准确分割。
-
-
-
-
-
Search Results
26
records
(took 0.024 seconds)
