公开(公告)号：CN112419248B

公开(公告)日：2022-04-12

申请号：CN202011263682.7

申请日：2020-11-13

Applicant: 复旦大学

Inventor： 王云峰 ,  颜波 ,  李健 ,  谭伟敏 ,  管鹏飞 ,  陈鹤丹 ,  吴灵捷 ,  李吉春

IPC: G06T7/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明属于医学图像处理技术领域，具体为基于小目标检测神经网络的耳硬化病灶检测及诊断系统。系统包括特征提取主干网络、目标检测与分类网络、对噪声鲁棒的分类损失函数和对多层检测结果的后处理诊断系统；特征提取主干网络为多层次的深度卷积神经网络，用于提取图像的特征图；目标检测与分类网络包括上述特征提取主干网络和区域提取网络、感兴趣区域池化层、分类网络，得到区域的类别；噪声鲁棒分类损失函数结合交叉熵损失和平均绝对误差损失，受训练数据中的错误标注的影响较小；本发明将3D的颞骨CT图像分层输入网络模型，经过一次前向传播以及后处理，即可获得病灶检测及诊断结果。本发明可减少人为因素影响，提高临床诊断效率和准确率。

公开(公告)号：CN112102256B

公开(公告)日：2022-04-12

申请号：CN202010853194.5

申请日：2020-08-22

Applicant: 复旦大学

Inventor： 钟芸诗 ,  颜波 ,  蔡世伦 ,  谭伟敏 ,  王沛晟 ,  林青

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62

Abstract: 本发明属于医学图像处理技术领域，具体为一种面向窄带内镜图像的早期食管鳞癌的癌灶检测及诊断系统。本发明系统包括特征提取骨干网络和特征金字塔、区域候选网络、兴趣区域池化与癌灶分类网络，以及在窄带成像内镜图像上进行可视化的系统。骨干网络用于提取输入图像的特征图；特征金字塔用于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；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。将窄带成像内镜的图像输入到网络模型中，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：CN109191392B

公开(公告)日：2021-06-04

申请号：CN201810901713.3

申请日：2018-08-09

Applicant: 复旦大学

Inventor： 颜波 ,  牛雪静 ,  谭伟敏

IPC: G06T5/00

Abstract: 本发明属于数字图像处理技术领域，具体为一种语义分割驱动的图像超分辨率重构方法。本发明方法具体包括：分别独立训练图像超分辨率网络和语义分割网络模型；级联独立训练的超分辨率网络和语义分割网络；在语义分割任务的驱动下，训练超分辨率网络；低分辨率图像通过任务驱动的网络处理后，获得准确的语义分割结果。实验结果表明，本发明能够使得超分辨率网络更好地适应分割任务，为语义分割网络提供清晰、分辨率高的输入图像，有效提高低分辨率图像的分割精确度。

公开(公告)号：CN109151474B

公开(公告)日：2020-10-30

申请号：CN201810969162.4

申请日：2018-08-23

Applicant: 复旦大学

Inventor： 颜波 ,  林楚铭 ,  谭伟敏 ,  马晨曦

IPC: H04N19/132 ,  H04N19/577

Abstract: 本发明属于视频编辑技术领域，具体为一种生成新视频帧的方法。本发明方法利用视频前后帧之间的光流估计新生成的中间帧到视频前后帧之间的光流，并根据该光流值对前后帧进行相应逆插值处理生成新的中间视频帧。本发明使用视频前后帧之间的关联性结合多尺度的框架，从粗到细地预测新的视频帧。实验结果表明，本方法不仅生成了较高质量的中间视频帧，还保持了新视频的时间连贯性，达到快速的几乎实时的处理效果，因此相较于传统的视频插帧方法，本发明具有更现实的应用价值及更丰富的研究意义。

公开(公告)号：CN108765392A

公开(公告)日：2018-11-06

申请号：CN201810484708.7

申请日：2018-05-20

Applicant: 复旦大学

Inventor： 钟芸诗 ,  颜波 ,  蔡世伦 ,  牛雪静 ,  李冰 ,  林楚铭 ,  谭伟敏

IPC: G06T7/00

CPC classification number: G06T7/0012 ,  G06T2207/10068 ,  G06T2207/20081 ,  G06T2207/30004

Abstract: 本发明属于医学图像智能处理技术领域，具体为一种基于滑动窗口的消化道内镜病变检测和识别方法。通过内镜的早期筛查是降低消化道癌症发病率和死亡率的有效手段。在传统诊断方法中，医生的诊断完全是主观判断过程，会受到诊断医生经验及知识水平的限制和影响。因此本发明将深度学习应用于消化道内镜的病变检测，基于医生标注的病变区域的边框制作样本，训练分类器；在待检测的消化道内镜图像中提出候选区域，将候选区域输入分类器，对分类结果做后处理，达到病变检测的目的。实验结果表明，本发明可以较准确地检测到消化道内镜图像的病变位置，为医生提供参考，说明了人工智能辅助的消化道早癌诊疗具有无可替代的优越性。

公开(公告)号：CN108665454A

公开(公告)日：2018-10-16

申请号：CN201810445939.7

申请日：2018-05-11

Applicant: 复旦大学

Inventor： 颜波 ,  钟芸诗 ,  牛雪静 ,  蔡世伦 ,  谭伟敏 ,  李冰

IPC: G06T7/00

Abstract: 本发明属于医学图像智能处理技术领域，具体为一种内镜图像智能分类及不规则病变区域检测方法。本发明使用人工智能的方法，将显著性检测应用于内镜图像的分类和不规则病变区域的检测。把资深医生标注的内镜图像作为训练样本，输入到显著性检测网络模型，使网络模型学习到不规则的显著性区域，即病变区域。实验结果表明，本发明能够学习到资深医生的诊断经验，较准确地把内镜图像分为病变图像和正常图像，同时检测出不规则的病变区域，为医生提供参考，以提高诊断的准确率。

公开(公告)号：CN114820353B

公开(公告)日：2025-03-25

申请号：CN202210370640.6

申请日：2022-04-10

Applicant: 复旦大学

Inventor： 颜波 ,  谭伟敏 ,  付浪 ,  李吉春

IPC: G06T5/73 ,  G06T5/60 ,  G06V10/80 ,  G06V10/44 ,  G06V10/82 ,  G06N3/044 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于数字图像智能处理技术领域，具体一种基于动态权重机制和时空特征增强的视频去模糊方法。本发明方法包括：通过特征提取模块对模糊图像进行特征提取，得到图像特征：对提取的图像特征通过使用UNet结构进行时序上前向和后向的传播融合；通过构建空间特征增强模块，对经过传播融合后的图像特征进行增强；通过重建模块，对增强后的图像特征进行重建；对重建后的图像特征进行去模糊。实验结果表明，本发明可以动态的恢复视频中模糊严重的区域，纹理细节丰富的区域，以及物体边缘等高频部分，提高主观视觉效果。

公开(公告)号：CN114820473B

公开(公告)日：2024-10-22

申请号：CN202210370643.X

申请日：2022-04-10

Applicant: 复旦大学

Inventor： 颜波 ,  谭伟敏 ,  代刘博 ,  史家兴

IPC: G06T7/00 ,  G06T7/10 ,  G06T7/62 ,  G06V10/25

Abstract: 本发明属于数字图像处理技术领域，具体为一种基于损伤面积感知和不确定性指导的医疗图像分割方法。本发明方法包括：对图片提取感兴趣区域；根据损伤面积计算缩放矩阵，对感兴趣区域进行缩放；缩放后图像进行分割；用不确定性指导的方法监督分割。本发明将损伤面积感知技术用于处理样本中面积较小的样例分割，可以将小面积样本自动缩放到合适大小。实验结果表明，损伤面积感知技术可以很好的对小面积样本进行缩放，提升分割效果。

公开(公告)号：CN118646911A

公开(公告)日：2024-09-13

申请号：CN202410613984.4

申请日：2024-05-17

Applicant: 复旦大学

Inventor： 谭伟敏 ,  颜波 ,  张子贤

IPC: H04N21/2343 ,  G06N3/082 ,  G06N3/096 ,  G06N3/084 ,  H04N21/4402 ,  H04N7/01

Abstract: 本发明属于数字图像处理技术领域，具体为一种基于模型剪枝与蒸馏的轻量的显微镜图像插帧方法。本发明方法包括：使用插帧网络得到前后两帧显微镜图像的中间帧；通过在插帧网络的优化目标中加入参数正则项得到网络参数的稀疏解，达到模型剪枝的效果；利用剪枝前的完整网络作为教师网络对剪枝后的网络进行蒸馏操作，以弥补模型剪枝带来的插帧质量损失；模型推理时根据所需插帧数量动态调整插帧网络生成的光流数量，减轻多帧插帧推理时的时间消耗。实验结果表明，本方法能够插帧出质量良好的显微镜中间帧图像，在损失插帧质量较小的前提下，将插帧所需计算量减小至1/3，并且控制插入10帧图像的时间消耗在插入2帧图像的时间消耗的2.5倍以内。

公开(公告)号：CN118628374A

公开(公告)日：2024-09-10

申请号：CN202410613987.8

申请日：2024-05-17

Applicant: 复旦大学

Inventor： 谭伟敏 ,  颜波 ,  马晨曦

IPC: G06T5/60 ,  G06N3/0464 ,  G06N5/04

Abstract: 本发明属于数字图像处理技术领域，具体为一种基于迭代反馈的荧光显微镜图像增强方法。本发明方法包括：通过设计基于反馈学习的深度神经网络结构，构建基于反馈学习的多阶段图像增强模型，得到对应增强结果；利用贝叶斯推断使模型同时输出重构图像和模型的重构置信度；通过在真实荧光显微镜成像数据上进行训练，使模型具有图像增强性能。实验结果表明，本发明有效提升了荧光显微镜图片的主观质量，降低模型重构的不确定性，恢复出具有较高空间分辨率和各向同性分辨率的荧光显微镜图像，显著抑制图像噪声等视觉瑕疵，极大地推进了生命科学领域的研究，为相关科研人员提供有价值的研究工具，具有较强的实用意义。