-
公开(公告)号：CN115222724B
公开(公告)日：2023-05-23
申请号：CN202210940365.7
申请日：2022-08-05
Applicant: 兰州交通大学
IPC: G06T7/00 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于NSST域混合滤波与ED‑PCNN的医学图像融合方法，该方法将已配准好的彩色医学图像利用YUV空间转换分离出亮度通道Y、色度通道U、浓度通道V，对分离出的亮度通道的灰度图像和已配准好的MRI图像分别采用混合滤波进行增强，增强后的图像进行NSST分解，低频子带采用局部区域能量加权和与改进的拉普拉斯能量和，高频子带采用ED‑PCNN算法，最后经NSST重构得到最终融合图。本发明，混合滤波融合了两种图像增强算法，在保证图像对比度增强的同时不增加噪声和丢失细节信息。本发明，ED‑PCNN算法合并了多种图像融合相关算法，进一步发挥出PCNN模型较传统模型精确度高、复杂性低的优点，且能精确控制神经元的点火次数与点火频率，提高了模型对像素空间的描述能力。
-
公开(公告)号：CN115222725A
公开(公告)日：2022-10-21
申请号：CN202210940371.2
申请日：2022-08-05
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于NSCT域PCRGF与双通道PCNN医学图像融合方法，该方法内容如下：采用PCRGF将已配准好的CT源图像进行图像增强，提高骨骼区域清晰度的同时删除小尺度结构，最大程度上提高中心坐标提取的鲁棒性，将PCRGF增强的CT图像与MRI源图像经NSCT变换分解为高频子带和低频子带，采用加权求和修正拉普拉斯算法计算图像CT和图像MRI的高频系数，采用参数自适应双通道PCNN计算图像CT和图像MRI低频子带，最后通过逆NSCT变换得到最终的融合图像。本发明，采用PCRGF算法与参数自适应双通道PCNN算法，对原有RGF算法和双通道PCNN加以改进，进一步显现出RGF的快速的收敛性，而且保留其他内容的同时删除小规模结构，并与其他算法相结合，实现了纹理细节和轮廓结构清晰化。
-
公开(公告)号：CN118887472B
公开(公告)日：2025-01-24
申请号：CN202410987119.6
申请日：2024-07-23
Applicant: 兰州交通大学
IPC: G06V10/764 , G06V10/82 , G06V10/20 , G06V10/40 , G06T7/00 , G06N3/049 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/082 , G06N3/047
Abstract: 本发明公开了一种基于SFC‑MSPCNN和改进ConvNeXt的乳腺影像识别判定方法，涉及影像分析技术领域。本发明基于乳腺影像超声数据库、MIAS数据库和DDSM数据库的对比实验分析模式，根据乳腺肿块及钙化点的特性与良恶性的关系，提出一种基于特殊点火控制模式的脉冲耦合神经网络模型和一种改进的下一代卷积神经网络模型，实现乳腺病灶的良恶性分类，并采用对比实验方法进行分类效果的评估与分析。
-
公开(公告)号：CN119273782A
公开(公告)日：2025-01-07
申请号：CN202411267881.3
申请日：2024-09-11
Applicant: 兰州交通大学
IPC: G06T9/00 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了联合图像层级特征的压缩感知迭代重构方法。涉及图形图像处理技术领域。通过交替使用梯度下降操作和特征优化操作来逐步提升图像重构质量。在每个迭代阶段，首先构建了一个多尺度特征丰富模块MFEM，对前一阶段的重构图像进行不同尺度的去噪，并增强为多通道特征图。随后采用梯度下降操作对特征图的细粒度信息进行更新。其次，为了增强网络对高分辨率图像的感知能力并降低计算复杂度，构建了一个二次空间信息捕捉模块SSCM，通过轻量级CNN‑Transformer混合架构建模图像层级特征，并对其进行深度优化。最后，通过后处理模块PPM对SSCM优化的特征信息进行非线性增强，并获得本阶段的重构图像。经过多次迭代后，可以得到最终的重构图像。
-
公开(公告)号：CN118196121A
公开(公告)日：2024-06-14
申请号：CN202410412181.2
申请日：2024-04-08
Applicant: 兰州交通大学
IPC: G06T7/11 , G06T7/00 , G06T5/70 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于去噪扩散概率模型的乳腺超声图像分割方法，本发明提出了一种基于去噪扩散概率模型的医学图像分割方法；该方法增强了对全局语义信息和复杂信息的捕捉能力，同时提高了去噪扩散概率模型对病灶区域的关注度；此外，它更好地实现了噪声和语义特征之间的交互，有效降低了高频噪声的干扰；通过这些改进，本方法能够更准确地分割出乳腺肿瘤图像中的病灶区域，为乳腺肿瘤等疾病的诊断提供了有力支持。
-
Patent Agency Ranking
公开(公告)号：CN117786521B
公开(公告)日：2024-04-19
申请号：CN202410203539.0
申请日：2024-02-23
Applicant: 兰州交通大学
IPC: G06F18/2413 , G06F18/214 , G06F18/213 , G06F18/15
Abstract: 本发明公开了基于智能频谱感知的信号分类方法，涉及电磁信号检测技术领域。通过获取识别信号构建局部放电PRPD图谱样本，采集统计特征量，构建放电类型的所述统计特征量的识别权重矩阵，以获取的识别权重矩阵构建加权特征量，加入KNN算法模型进行训练获得判决分类模型，实时获取变压器工作过程中的过程信号，对所述过程信号进行采样，获取采样信号的分布模型，计算所述采样信号的信号能量，根据采样信号的分布模型是否符合判定模型对局部放电信号是否存在进行判决，并当判定所述过程信号中存在局部放电信号时，获取局部放电信号作为待测信号，根据获取的所述判决分类模型对所述待测信号进行识别，确定变压器的放电类型。
-
公开(公告)号：CN117575955A
公开(公告)日：2024-02-20
申请号：CN202311331161.4
申请日：2023-10-16
Applicant: 兰州交通大学
IPC: G06T5/77 , G06T5/60 , G06N3/0442 , G06N3/0455
Abstract: 本发明提供了一种利用图像结构特征指导图像修复的方法。本发明采用辅助网络和修复网络两种网络单阶段并行设计，图像的结构指导信息不作为次级阶段网络的输入而是在图像修复过程中进行实时指导和监督，图像修复结果与结构指导信息之间的依赖性较低，图像修复结果的准确性不会因为图像结构存在噪声或模糊而受到影响。
-
公开(公告)号：CN117316369A
公开(公告)日：2023-12-29
申请号：CN202311070565.2
申请日：2023-08-24
Applicant: 兰州交通大学
IPC: G16H15/00 , G16H30/40 , G06F40/30 , G06F16/36 , G06V10/80 , G06V10/52 , G06V10/82 , G06N3/0442 , G06N3/042 , G06N3/0455 , G06N3/0475 , G06N3/0464 , G06N3/048 , G06N3/092 , G06N5/022
Abstract: 本发明提供平衡跨模态信息的胸部影像诊断报告自动生成方法，涉及医疗信息领域。该网络通过优化编码器‑解码器框架，充分考虑了图像和文本之间的联系，在编码时，该网络的侧重点在图像特征处理，通过DFC‑MSPCNN和多感受野残差网络病灶区域信息提取模块对X射线影像区域进行多维特征提取；在解码时，该网络的侧重点在医学报告生成，通过图像文本对齐模块CMITAM寻找图像和文本之间的中间态，并将此中间态引入基于Transformer解码层的报告生成模块，在IUX‑Ray和MIMIC‑CXR基准数据集上进行其有效性验证，结果表明，本文方法在平衡胸部影像与文本信息方面有出色的表现，能够自动生成可靠的胸部X射线影像诊断报告。
-
公开(公告)号：CN117314778A
公开(公告)日：2023-12-29
申请号：CN202311271193.X
申请日：2023-09-28
Applicant: 兰州交通大学
IPC: G06T5/00 , G06V10/40 , G06V10/80 , G06N3/0455 , G06N3/048 , G06N3/047 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种引入文本特征的图像修复方法，属于图像修复方法技术领域，本发明提出一种引入文本特征和图像修复方法，是基于图像可见部分额外利用文本特征来指导图像的修复，属于文本和图像之间学习、关联或转换的跨模态任务，首先，给定一个孔洞图像Im和其对应的掩码图Imask，将其输入到修复网络的编码层进行特征表示，这些特征可以捕获到图像的纹理、结构和上下文信息，将编码层提取到的特征调整到相同的维度后融合，通过GPT‑2输出真实图像Igt的文本特征。
-
公开(公告)号：CN116664462A
公开(公告)日：2023-08-29
申请号：CN202310568133.8
申请日：2023-05-19
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于MS‑DSC和I_CBAM的红外和可见光图像融合方法，属于图像融合技术领域，该方法采用MS‑DSC对已配准的源图像进行特征提取，既克服单一尺度特征提取不足，又分别考虑了图像区域中的通道信息和空间信息，在减少参数的同时增强了网络表达能力，能更准确的提取目标对象的特征信息，将提取的特征信息采用I_CBAM从通道和空间两方面对图像的显著信息聚焦，抑制无用通道信息确保在融合时所有的显著特征都可以被利用，提升融合质量。本发明采用的I_CBAM算法是对原有算法的进一步改进，不仅展现了注意力机制在图像处理中的独特优势，而且在保留显著特征信息的同时降低了模型复杂度，通过与其他算法相结合，实现了纹理细节和场景信息清晰化，提升了融合质量。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.024 seconds)
