-
公开(公告)号：CN110020610B
公开(公告)日：2023-02-10
申请号：CN201910200569.5
申请日：2019-03-16
Applicant: 复旦大学
IPC: G06V40/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06T7/00
Abstract: 本发明属于医学图像处理技术领域，具体为一种基于深度学习的肠镜质量检查控制系统。本发明系统包括：回盲瓣识别模型，用于把图像按照回盲瓣和非回盲瓣进行分类；肠道质量评分模型，用于把图像按照波士顿肠道准备质量的评分（0‑3）进行分类；两个模型由图像分类卷积神经网络将肠镜图像以及标签即回盲瓣标签或评分作为输入，经过端到端训练得到。通过识别回盲瓣以及按波士顿评分量表对肠道准备质量进行评分，对肠镜检查质量进行评估。实验结果表明，本发明系统用于肠镜检查质量的控制具有良好的特异度、敏感度，可在临床检查中辅助内镜医师，提高肠镜检查的质量。
-
公开(公告)号：CN114820473A
公开(公告)日：2022-07-29
申请号：CN202210370643.X
申请日：2022-04-10
Applicant: 复旦大学
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：CN114820355A
公开(公告)日：2022-07-29
申请号：CN202210370646.3
申请日：2022-04-10
Applicant: 复旦大学
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于不确定性感知的无监督图像去噪方法。本发明方法包括：构建提取平滑噪声模块和粗糙去噪网络，实现对噪声块的模拟以及对图像进行粗糙去噪；构建建模偶然不确定性的网络，估计噪声图像中不确定性高的像素，生成不确定性图，指导下一阶段的网络进行去噪；构建精去噪网络，通过不确定性图加权目标函数来引导网络降低不确定性对去噪过程的影响，使网络达到更好的去噪效果。实验结果表明，本发明可以有效去除图像中的噪声，并且去噪图像具有较好的纹理结构和视觉质量。
-
公开(公告)号：CN114708586A
公开(公告)日：2022-07-05
申请号：CN202210427450.3
申请日：2022-04-21
Applicant: 复旦大学
Abstract: 本发明属于图像与视频理解技术领域，具体为一种从图像和视频中提取三维人脸表征的方法。本发明通过构建一个三维无监督人脸表征学习网络模型来提取三维人脸表征；本发明从没有标签的自然人脸图像和视频中学习，使用表情变换模块从视频序列学习人脸表情的变化。本发明考虑到内部因素和外部环境，利用人脸的三维性质来解耦多达5个影响因素，包括人脸的材质、形状、表情、姿势和光照。本发明可以用于各种下游任务，如人脸表情识别、姿势估计、人脸验证和人脸正面化。
-
公开(公告)号：CN112419352B
公开(公告)日：2022-05-20
申请号：CN202011326151.8
申请日：2020-11-24
Applicant: 复旦大学
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种基于轮廓的小样本语义分割方法。本发明方法包括：利用深度卷积神经网络提取参考图像和待分割图像各自的特征；使用轮廓生成模块生成待分割图像中较粗糙的物体轮廓；使用轮廓优化模块将较粗糙的物体轮廓优化得到更精细的轮廓；使用标签平均池化操作获取参考图像对应的语义原型；使用区域平均池化操作获取待分割图像中轮廓对应物体的语义原型；比对语义原型进而确定是否属于相同的语义类别。实验结果表明，本发明可以生成精确的分割图，有效解决了小样本语义分割问题。
-
Patent Agency Ranking
公开(公告)号：CN114359082A
公开(公告)日：2022-04-15
申请号：CN202111600032.1
申请日：2021-12-24
Applicant: 复旦大学
Abstract: 本发明属于医疗图像处理技术领域，具体为一种基于自建数据对的胃镜图像去模糊算法。本发明算法包括：对于胃镜视频的处理、制作胃镜清晰图‑模糊图训练样本以及胃镜去模糊算法的训练。具体而言，首先收集一定量的胃镜视频，对其中的数据进行清洗；然后收集医生的标注，对每一帧的清晰或者模糊进行标注，并对“指导模型”进行训练；再用采用全部为清晰图的视频段，合成清晰‑模糊肠镜图片数据对；最后用清晰‑模糊肠镜图片数据对，训练肠镜去模糊算法。实验结果表明，本发明算法对于肠镜模糊图片的模糊去除具有很好的效果，具有很强的应用价值。
-
公开(公告)号：CN108765392B
公开(公告)日：2022-03-18
申请号：CN201810484708.7
申请日：2018-05-20
Applicant: 复旦大学
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：CN112419191A
公开(公告)日：2021-02-26
申请号：CN202011326166.4
申请日：2020-11-24
Applicant: 复旦大学
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于卷积神经网络宽尺度模糊感知机制的图像运动模糊去除方法。本发明方法包括：首先运用三种创新的卷积神经网路的计算单元，即轻量级全局上下文精炼模块、多尺度分析融合模块以及可变形卷积微调模块，构建一个多尺度深度信息融合的深度神经网络系统；其次，进行数据准备与模型训练，当训练的目标函数降低至某可接受阈值，可认为网络收敛；最后，在应用阶段，将模糊图像输入系统，直接得到清晰图像。实验结果表明，给定一张运动模糊图片，本发明既能够清除越过边缘侵蚀的模糊模式，又能够合理地还原图像应有的细节，得到与其对应的清晰图片。
-
公开(公告)号：CN109919830A
公开(公告)日：2019-06-21
申请号：CN201910065383.3
申请日：2019-01-23
Applicant: 复旦大学
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种基于美学评价的带参考人眼图像修复方法。图像修复是指利用算法来替换已丢失或者损坏的图像数据。人眼图像修复主要用于拍照中的闭眼、斜眼等情况，以产生真实、自然、美观的新人眼。本发明方法包括：从待修复图像中标记出眼睛的位置；基于人眼美学评价和人脸结构相似性选择参考图；对参考图片提取眼部位置；将输入图像、参考图像和对应的眼部标记共同载入生成器，通过深度网络生成修复的人脸图像。在网络的训练中引入全局判别器、局部判别器和人脸语义解析网络来辅助生成器学习人眼修复任务。实验结果表明，本发明可以生成自然美观且与原面部相符的人眼，有效解决人眼修复问题。
-
公开(公告)号：CN108921854A
公开(公告)日：2018-11-30
申请号：CN201810496495.X
申请日：2018-05-22
Applicant: 复旦大学
Abstract: 本发明属于图像处理技术领域，具体为一种消化道内镜图像不规则病变区域标注方法及系统。本发明方法包括：选择目标文件夹，获取文件夹下图像的文件名；自动生成输出路径；初始化图像掩膜；裁剪图像和掩膜并记录裁剪位置；标注病变区域，更新掩膜；根据掩膜生成边框；保存裁剪后的图像、裁剪位置、掩膜和病变区域的边框。所述系统主要包括裁剪和标注两个功能，医生可以剪掉内镜图像中对训练深度神经网络有负面影响的部分、用曲线在内镜图像中勾勒出不规则病变区域，系统自动保存裁剪的图像、位置、掩膜、病变区域的边框，提高标注效率。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.021 seconds)
