-
公开(公告)号：CN114093512A
公开(公告)日：2022-02-25
申请号：CN202111251516.X
申请日：2021-10-21
Applicant: 杭州电子科技大学
IPC: G16H50/30 , G16H30/40 , G06T7/00 , G06T7/11 , G06T7/136 , G06T7/60 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/771 , G16B25/10 , G16B40/00 , G06V10/762 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多模态数据和深度学习模型的生存预测方法。传统的病理图像生存预测方法只能关注部分病理信息，不能完全反应患者的肿瘤形态，并且会忽视基因突变等因素对肿瘤产生的影响，以往方法大多不能有效的将图像和基因表达数据结合起来进行分析。本发明采用大津阈值算法生存区分组织区域的二值图并据此采样切片图像；根据由ImageNet数据集预训练的ResNet‑50网络提取相关特征，并使用K均值算法对特征进行聚类。将基因表达谱数据使用最小角回归特征选择算法和得到基因特征，将数据输入到深度学习生存预测模型中获得患者生存风险的概率。本发明是一种比较适用于病理图像和基因表达数据且同时保证高准确性的方法。
-
公开(公告)号：CN113628342A
公开(公告)日：2021-11-09
申请号：CN202111101646.5
申请日：2021-09-18
Applicant: 杭州电子科技大学
Abstract: 本发明实现了一种面向人体遮挡场景的三维人体姿态和形状重建方法，可以从人体遮挡场景中重建出人体模型，便于计算机理解与分析，并且不受图片场景的影响，重建出较为准确的人体模型。本发明提供如下方法，包括以下步骤：步骤一，生成人体互相遮挡的人体轮廓图；步骤二，使用步骤一生成的人体轮廓图对人体关节点进行编码作为输入数据；步骤三，使用ResNet编码器和回归器组成的回归网络得到人体模型参数；步骤四，使用预估计的人体参数渲染生成预估计人体轮廓和人体关节点；步骤五，对预估计的人体轮廓和人体关节点与真实标签进行比较，进行反向传递，并计算其loss函数；步骤六，设定准确率，重复步骤二至五，直到达到预设的准确率。
-
公开(公告)号：CN119418942B
公开(公告)日：2025-03-21
申请号：CN202510025848.8
申请日：2025-01-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于网格自适应切割与细分的虚拟手术仿真方法，首先对输入被切割物体四面体化，记录手术刀位置构成切割面。其次构造包围盒以及bsp树A，并标记拼接面和模拟表面，利用三角剖分生成公共切割线，得到模拟切割面。然后标记可移动顶点和不可移动顶点，根据胡克定律，求解新的顶点的位置，移动顶点对切割后的形状进行模拟，对局部区域进行重新四面体化和bsp细分，生成bsp树B与A合并。最后遍历所有bsp结点，对非四面体的结点，利用非四面体的重心进行四面体化，完成模拟切割，并进行优化。本发明对被切割的物体进行精准切割，提升切割平面的精确性，保证切割仿真的稳定性和准确性。
-
公开(公告)号：CN118735948A
公开(公告)日：2024-10-01
申请号：CN202410970095.3
申请日：2024-07-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种用于医学图像分割的无监督域适应方法，该方法首先扩充医学图像数据集的规模和多样性。其次利用对抗生成网络将数据集中源域图像转换为目标域风格，同时利用循环一致性损失确保转换后图像与原图在语义上一致。然后设计包含三个解码器分支的网络结构，利用训练后的三个解码器分支对目标域图像预测并融合，得到伪标签。最后用伪标签在目标域训练分割解码器，用训练好的目标域分割解码器对新的目标域图像进行预测，得到分割结果。本发明多层次缓解了域偏移，提高了模型自适应能力和泛化性，缓解域偏移导致的类别不平衡。
-
公开(公告)号：CN117558061A
公开(公告)日：2024-02-13
申请号：CN202311391302.1
申请日：2023-10-25
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于深度可分离卷积和通道注意力的2D姿态检测方法，包括以下步骤：S1、把待检测的2D图像输入预训练的多尺度卷积网络；S2、依次经过四个阶段提取目标图像特征；S3、目标图像特征通过卷积层将通道数转化为与人体关键点一致的数量，得到预测热图。本发明设计了一种带有通道注意力机制并且使用深度可分离卷积的基本模块，在保持相近的检测性能的情况下，大幅度减少了模型参数量与计算量；还在每个阶段的高特征分辨率输出和最后的输出之间添加了残差连接，并且使用了特征金字塔的方法进行特征融合，采用双线性上采样，并逐步融合多分辨率，提高了模型的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116740096A
公开(公告)日：2023-09-12
申请号：CN202310784227.9
申请日：2023-06-29
Applicant: 杭州电子科技大学
IPC: G06T7/11 , G06N3/094 , G06N3/048 , G06N3/0455
Abstract: 本发明公开了一种基于对抗注意机制和深度判别的自适应医学图像分割方法。本发明首先将医疗图像数据分为已标注和无标注两个部分，并将增强后的图像作为源域和目标域数据输入到自适应网络的双重对抗机制中，对源域和目标域的特征进行自适应对齐；经过不断迭代训练，在对抗机制收敛后，输出对目标域的初步分割结果；然后将增强目标域数据作为深度判别监督机制的输入数据，对边界检测结果进行二次提升；最后将提升后的边界检测结果与分割结果进行融合处理。本发明充分利用了标注样本并挖掘不同域间的共同特征，通过对抗注意机制将不同域间数据的特征差异进行对齐，并利用判别监督将实例级的目标内部信息应用到像素级的目标边界检测中。
-
公开(公告)号：CN114093512B
公开(公告)日：2023-04-18
申请号：CN202111251516.X
申请日：2021-10-21
Applicant: 杭州电子科技大学
IPC: G16H50/30 , G16H30/40 , G06T7/00 , G06T7/11 , G06T7/136 , G06T7/60 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/771 , G16B25/10 , G16B40/00 , G06V10/762 , G06V10/82 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于多模态数据和深度学习模型的生存预测方法。传统的病理图像生存预测方法只能关注部分病理信息，不能完全反应患者的肿瘤形态，并且会忽视基因突变等因素对肿瘤产生的影响，以往方法大多不能有效的将图像和基因表达数据结合起来进行分析。本发明采用大津阈值算法生存区分组织区域的二值图并据此采样切片图像；根据由ImageNet数据集预训练的ResNet‑50网络提取相关特征，并使用K均值算法对特征进行聚类。将基因表达谱数据使用最小角回归特征选择算法和得到基因特征，将数据输入到深度学习生存预测模型中获得患者生存风险的概率。本发明是一种比较适用于病理图像和基因表达数据且同时保证高准确性的方法。
-
公开(公告)号：CN115908719A
公开(公告)日：2023-04-04
申请号：CN202211671469.9
申请日：2022-12-26
Applicant: 杭州电子科技大学
IPC: G06T17/00 , G06T3/00 , G06T17/20 , G06T15/04 , G06T7/564 , G06T15/20 , G06V40/16 , G06N3/0464 , G06N3/09 , G06N3/096
Abstract: 本发明公开了一种单张图片中进行三维人头重建方法。本发明包括：风格迁移模型，用于为三维人头重建模型提供高维监督；三维人头重建模型，用于从输入人脸照片中提取人脸特征并估计一组FLAME模型参数。最终FLAME模型参数被解码为三维人头网格模型。本发明可以从单张照片中有效估计人头的形状和表情，很好的提升了人脸表情和轮廓的建模精度，最终通过解码FLAME参数重建出来的人头模型可以用于三维建模、数字人、人脸识别等用途。
-
公开(公告)号：CN114399608A
公开(公告)日：2022-04-26
申请号：CN202111455843.7
申请日：2021-12-01
Applicant: 杭州电子科技大学
IPC: G06T17/10 , G06T17/20 , G06T17/00 , G06T3/40 , G06F30/28 , G06N3/04 , G06N3/08 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种用于血液动力学仿真的时变流场超分辨率重建方法。本发明步骤如下：步骤(1)数据集制作，使用SimVascular软件进行血管仿真，通过图像采集、几何建模、网格生成、仿真步骤构建时变流场数据集；步骤(2)速度场特征提取，通过PointNet提取数据集输入数据特征，生成1024维特征向量fv；步骤(3)时间及阻值特征提取，通过阻值‑时间编码器提取输入数据的时间及阻值特征向量，生成1024维特征向量frt；步骤(4)特征解码并重建高时间分辨率速度场；步骤(5)重建结果评价及分析，使用速度场的幅度及方向损失函数训练网络，通过平均模长误差及相对误差对重建结果进行评价和分析。
-
公开(公告)号：CN114330076A
公开(公告)日：2022-04-12
申请号：CN202111680551.3
申请日：2021-12-30
Applicant: 杭州电子科技大学
IPC: G06F30/23 , G06F30/28 , G06F113/08 , G06F119/14
Abstract: 本发明涉及一种基于等几何分析的心脏瓣膜流固耦合快速仿真方法，包括步骤一：优化流体子问题：简化流体子问题的背景网格，基于简化后的网格生成Bézier四面体背景网格，使用几何无关场近似思想求解流体子问题；步骤二：优化固体子问题：将固体子问题中使用的NURBS曲面使用策略剖分成分片NURBS曲面；步骤三：使用增广动态拉格朗日乘子法耦合流固子问题；步骤四：求解流固耦合问题并分析结果，在心脏瓣膜计算机仿真过程中使用本文提出的方法对问题进行优化，可以在保证一定精度的情况下提高仿真程序的效率。与近年来相关的研究相比，本发明中的心脏瓣膜优化仿真算法速度快49％左右。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.026 seconds)
