一种用于家族性脑海绵状血管瘤判别和研究的定量统计方法及系统

    公开(公告)号:CN118279242A

    公开(公告)日:2024-07-02

    申请号:CN202410245188.X

    申请日:2024-03-05

    Abstract: 本发明涉及一种用于家族性脑海绵状血管瘤判别和研究的定量统计方法及系统。利用深度学习对同一病人前后两次检查的磁共振成像(MRI)数据切片进行2D病灶分割,之后将2D分割掩码合成3D掩码,进而统计两次检查中病灶的体积和数量,并识别病灶最小外接立方体的坐标。我们遍历随访检查中的病灶,设置病灶中心特殊像素点,利用图像配准将随访检查图像向前次检查的图像对齐,通过特殊像素点联系配准前后随访检查中所遍历的病灶,之后通过识别病灶最小外接立方体是否重合来实现前次检查与配准后的随访检查中相同病灶区域的匹配,最终实现前次检查与随访检查原图像中同一病灶区域的对比统计,并将统计结果进行可视化,帮助医生对疾病进展进行定量诊断和分析。

    基于单张图像超分辨率的轻量级网络模型及处理方法

    公开(公告)号:CN113781304B

    公开(公告)日:2023-10-13

    申请号:CN202111048332.3

    申请日:2021-09-08

    Applicant: 福州大学

    Abstract: 本发明提出一种基于单张图像超分辨率的轻量级网络模型及处理方法,通过低分辨率图像有效地重建出质量较高的超分辨率图像,同时算法的重建效率高,能够有效地平衡重建质量和重建效率,不仅能重建出高分辨率图像,而且重建速度快,且该算法泛化性好,可以应用于多种场景的图像超分辨率问题,可达到实际工业需求。其主要包括特征提取部分、非线性映射部分、重建模型和插值模块。特征提取部分提取出低分辨率图像的浅层特征,将浅层特征输入非线性映射部分进行更充分的学习得到高级特征,最后将高级特征输入到重建模型和插值模块,并引入双线性插值得到最后的高分辨率图像。

    基于视觉注意机制和模型拟合的白细胞分割方法

    公开(公告)号:CN113313719A

    公开(公告)日:2021-08-27

    申请号:CN202110652216.6

    申请日:2021-06-11

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于视觉注意机制和模型拟合的白细胞分割方法。本发明首先提出了一个基于视觉注意机制的颜色空间体积,以突出显示细胞核区域,然后使用自适应阈值方法分割细胞核。然后,提出了一个基于边界先验知识并移除背景区域,将得到的中心区域作为初始白细胞区域,进一步通过边缘检测获取白细胞轮廓,将得到的白细胞轮廓减去细胞核得到细胞质分割结果。最后,本发明提出了一个基于模型拟合策略的方法来解决白细胞粘连的问题,有效地将白细胞(包括细胞核、细胞质)从外周血涂片图像中分割出来,并对分割得到的白细胞进行计数和分类,有效地降低人为误差的影响。

Patent Agency Ranking