-
公开(公告)号：CN116468888A
公开(公告)日：2023-07-21
申请号：CN202310309481.3
申请日：2023-03-28
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06V10/774 , G06V10/764
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于双网络协同分割模型的图像语义分割方法，包括：建立构建双网络协同分割模型，对于带标签数据采用全监督学习的方式进行模型的训练，对于无标签数据采跨网络相互学习的方法进行半监督学习进模型的训练，将待分割的图像输入训练好的双网络协同分割模型，得到分割结果；本发明基于标签空间和特征空间的相互互补学习，实现了对大量无标签数据的高效利用和开发，缓解了目前全监督深度学习模型训练需要高质量、高成本、极耗时的标签需求，在保证分割模型的性能时进一步让模型的训练成本大大降低，并能够部署于各种的智能系统，具有较高的实际应用价值。
-
公开(公告)号：CN114782503A
公开(公告)日：2022-07-22
申请号：CN202210337610.5
申请日：2022-04-01
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉图形学领域，具体涉及一种基于多尺度特征相似度约束的点云配准方法及系统，通过对点的匹配可信度进行主动评估，同时采用注意力融合机制的网络提取区分性的特征，同时使用双向的交替对应搜索机制和灵活的错位损失函数来进行鲁棒学习，引入一致性约束下的点对权重分配方案，最后以加权SVD求出变换矩阵，提升了配准的精度，本发明能够在点云间建立鲁棒的对应关系，提升深度模型对点云配准的效果，促进了相关技术领域的发展。
-
公开(公告)号：CN118411504B
公开(公告)日：2025-03-18
申请号：CN202410505959.4
申请日：2024-04-25
Applicant: 重庆邮电大学
IPC: G06V10/24 , G06V10/774 , G16H50/20 , G16H30/00
Abstract: 本发明属于医学数据处理领域，具体涉及一种医学图像文本对齐模型的训练方法、装置及设备；所述方法包括获取医学图像、增强视图、医学文本和增强文本；采用图像编码器提取图像特征，采用文本编码器提取文本特征；利用多视图监督图像文本对齐获得更为详尽的医学图像和医学文本表征；利用多尺度自注意力与交叉注意力集成对齐策略能在无需外部信息的情况下，通过内部特征的关联性来理解每个模态的上下文信息，还能够学习到跨模态的信息。利用高置信度聚类信息引导正负样本构建算法能够深入挖掘高阶语义信息，使得预训练完成后的模型能够用于医学图像和其成对的医学报告之间精准的配对能力，以及对图像中病灶区域的精准定位能力，辅助医疗病情诊断。
-
公开(公告)号：CN119417781A
公开(公告)日：2025-02-11
申请号：CN202411465708.4
申请日：2024-10-21
Applicant: 重庆医科大学附属第一医院 , 重庆邮电大学
IPC: G06T7/00 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于深度学习的胸腰椎骨折快速分型辅助判断系统，包括数据预处理模块、s‑type模型、z‑type模型和集成决策单元；s‑type模型和z‑type模型分别用于通过深度学习模型对实例包中的s‑type图像和z‑type图像进行特征提取，并通过多实例学习聚合方法输出相应的预测结果；集成决策单元，用于对s‑type模型和z‑type模型进行训练，以及输出预测的胸腰椎骨折类型。本发明中，通过结合s‑type模型和z‑type模型进行进行预测，可以提高胸腰椎骨折类型预测的准确率，有助于模型在复杂的医学图像分类任务中取得更好的表现。
-
公开(公告)号：CN118334064A
公开(公告)日：2024-07-12
申请号：CN202410512357.1
申请日：2024-04-26
Applicant: 重庆邮电大学
IPC: G06T7/12 , G06V10/764 , G06V10/774 , G06V10/82 , G06F9/50
Abstract: 本发明属于医学图像处理领域，具体涉及一种基于混合注意力机制的膝关节软骨图像分割方法，包括：获取膝关节软骨图像并进行预处理，将预处理后的膝关节软骨图像输入训练好的图像分割模型，得到图像分割结果；图像分割模型包括：N层编码器、N‑1层解码器、边缘注意力提取模块以及自注意力模块；编码器与对应层数的解码器跳跃连接；本发明通过提出一种边缘注意力提取机制，通过提取膝关节软骨边界组织信息，在一定程度上改善卷积神经网络感受野有限导致的分割不连续问题；本发明将边缘注意力提取机制和自注意力机制结合获得混合注意力，根据混合注意力使得边界组织模糊的膝关节软骨图像的分割更加准确。
-
Patent Agency Ranking
公开(公告)号：CN118135221A
公开(公告)日：2024-06-04
申请号：CN202410300403.1
申请日：2024-03-15
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06N3/045 , G06V10/82 , G06V10/774 , G06N3/09 , G06N3/0895 , G06N20/00 , G06V10/764 , G06N3/0985 , G06N3/0464
Abstract: 本发明属于计算机视觉语义分割领域，具体涉及一种基于跨网络扰动机制的图像语义分割方法，包括：构建图像语义分割模型；获取数据集，对数据集中的图片进行预处理；将预处理后的带有标记的数据输入到图像语义分割模型中，采用基于像素集交叉熵的全监督训练方法对模型进行训练；将预处理后的无标记的数据输入到图像语义分割模型中，采用基于跨网络的扰动机制的图像半监督训练方法对网络进行训练；根据带标签数据训练的模型和无标签数据训练的模型进行对比学习，根据对比学习的结果构建优化目标函数，调整模型参数，当达到优化目标时，完成模型的训练；本发明在标注数据较为有限的情况下，仍能展现出出色的模型性能，这进一步降低了模型训练的成本。
-
公开(公告)号：CN117496550A
公开(公告)日：2024-02-02
申请号：CN202311225879.5
申请日：2023-09-21
Applicant: 重庆邮电大学
IPC: G06V40/10 , G01S7/41 , G01S13/89 , G01S13/08 , G01S13/58 , G06V10/764 , G06V10/82 , G06F18/10 , G06F18/214 , G06F18/24 , G06F18/25 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种运用基于距离感知和速度感知的卷积神经网络进行手势识别的方法，包括以下步骤：步骤1：雷达信号预处理阶段：包含信号的归一化，去均值，并且将雷达信号矩阵转化为距离多普勒图像（RDM），能够体现目标的距离和速度信息；步骤2：训练阶段，使用距离多普勒图像作为神经网络输入，通过距离感知和速度感知的神经网络进行手势识别训练，经过多次迭代降低loss值，步骤3：验证阶段，本发明通过重参数化技术减少了参数量，并且使用基于距离感知和速度感知的嵌入模块来适配于RDM形式的雷达信号输入，最后通过二值转换层提高图像分类的准确率，最终的准确率高达98%以上，并且可以应用于各种场景。
-
公开(公告)号：CN117495992A
公开(公告)日：2024-02-02
申请号：CN202311229545.5
申请日：2023-09-21
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种欠采样核磁共振图像的重建方法，包括以下步骤：（1）基于边际分布匹配的VE‑SDE加速采样；（2）基于梯度的复值重建数据一致性约束；（3）基于自回归的噪声流形修正。本发明针对现有的扩散模型重建速度慢，并且需要针对不同任务重新训练扩散模型的不足，提出了一种能够利用已有的扩散模型实现不同欠采样方式的核磁共振图像重建，并使用匹配边际分布的方式加速重建过程，大幅减少重建所需时间，为了提升重建图像的质量，提出了利用欠采样图像和扩散模型上一时间步的噪声图像来预测当前时间步的图像数据，并使用该图像和已有的欠采样数据共同约束扩散模型的采样过程，使得重建的图像尽可能保留已知信息的同时具有更高的重建质量。
-
公开(公告)号：CN116340844A
公开(公告)日：2023-06-27
申请号：CN202310315775.7
申请日：2023-03-28
Applicant: 重庆邮电大学
IPC: G06F18/241 , A61B7/04 , G06F18/214 , G06F18/10 , G06N3/0464 , G06N3/084
Abstract: 本发明属于深度学习的心音分类领域，具体涉及一种基于注意力机制的鲁棒心音分类方法；包括通过窗函数分割心音数据得到若干等长的心音信号；对心音信号进行预处理，按比例将预处理结果划分为训练集和测试集；采用训练集训练心音分类模型，所述心音分类模型包括第一卷积层、多个stage模块和线性输出层；计算心音分类模型输出的损失值并反向传播训练模型，直至模型收敛；获取实时心音信号并预处理，将与处理后的实时心音信号输入训练好的心音分类模型得到预测分类结果；采用多数投票机制将预测分类结果转换为心音记录级诊断结果；本发明实现了心音信号的实时辅助诊断以及噪声的规避；提高了心音分类的灵敏度、特异性和平均准确度。
-
公开(公告)号：CN116309754A
公开(公告)日：2023-06-23
申请号：CN202310321851.5
申请日：2023-03-29
Applicant: 重庆邮电大学
Abstract: 本发明属于医学图像处理技术领域，具体涉及一种基于局部‑全局信息协作的大脑医学图像配准方法及系统；该方法包括：获取用于训练的大脑医学图像并对其进行预处理，得到移动图像和固定图像；在通道维度拼接移动图像和固定图像，得到拼接图像；将拼接图像输入到全局自注意力关系网络中进行处理，得到第一形变场；将拼接图像输入到局部结构特征网络中进行处理，得到第二形变场；将第一形变场和第二形变场逐像素按位相加，得到最终形变场；根据最终形变场采用空间变换网络对移动图像进行翘曲，得到翘曲图像；本发明提升了配准的精度和泛化能力；比起现有技术，具有更好图像配准的效果。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.025 seconds)
