-
公开(公告)号：CN106469453A
公开(公告)日：2017-03-01
申请号：CN201610815614.4
申请日：2016-09-12
Applicant: 同济大学
CPC classification number: G06T7/0012 , G06T17/00 , G06T2207/20056 , G06T2207/30096 , G06T2207/30101
Abstract: 本发明公开了一种三维可视化展示及属性测量的肝脏功能区域诠析方法，该方法首先提取肝脏、肝血管和肝肿瘤。然后通过三维图像细化算法获取肝门静脉的骨架结构，经拓扑点提取与环路修剪后生成有向无环图，用以表示门静脉的拓扑结构，并记录图结点与边的属性信息，即门静脉的几何属性。接下来，根据肝脏Couinaud分类理论，用该有向无环图将肝区分为相应功能分段。最后，生成肝脏诠析报告，以支持医生精准地评估肝脏状态。
-
公开(公告)号：CN114494289A
公开(公告)日：2022-05-13
申请号：CN202210036644.0
申请日：2022-01-13
Applicant: 同济大学
Abstract: 本发明涉及计算机医学图像处理领域，提出了一种基于局部线性嵌入的插值神经网络的胰腺肿瘤图像分割处理方法。包括步骤：对输入的3D肿瘤切片和对应肿瘤标签切片输入局部插值网络进行插值；输入多尺度级联分割网络进行肿瘤分割，对结果进行可视化。本发明易于实现，提高了图像质量和肿瘤切片的数量，减少了相邻切片之间的肿瘤差异，并尽可能避免漏检。利用本发明可以有效缓解肿瘤边界的模糊标注问题，并在有限的计算条件下处理不同的肿瘤图像特征，显着提高了图像分辨率。
-
公开(公告)号：CN112541407B
公开(公告)日：2022-05-13
申请号：CN202011365755.3
申请日：2020-11-29
Applicant: 同济大学
IPC: G06V20/00 , G06V10/764 , G06V10/762 , G06F16/535 , G06F16/583 , G06K9/62
Abstract: 本发明提出了一种基于用户服务操作流的视觉服务推荐方法，为一种基于用户服务操作流的视觉服务推荐技术向用户推荐机器视觉算法服务的方法，先通过用户服务操作流用于生成对机器视觉算法底层服务流进行FCM聚类，将底层机器视觉算法服务之间的用户偏好关系进行分类筛选；再使用LFM算法对用户的操作流喜好进行矩阵建模分析，并计算不同用户对底层机器视觉算法服务的依赖程度以及喜好程度，打破了传统算法推荐服务留于表层算法模块的重复推荐,不能从底层算法运作上深度进行算法服务模块推荐。通过分析平台用户使用的视觉算法来了解用户底层使用视觉服务，从而进行精准视觉服务推荐。
-
公开(公告)号：CN114332115A
公开(公告)日：2022-04-12
申请号：CN202111580972.9
申请日：2021-12-22
Applicant: 同济大学
Abstract: 本发明涉及计算机医学图像处理领域，提出了一种基于模态转换的CBCT生成Micro‑CT方法，包括步骤：数据预处理；通过定义变分距离，完成对CBCT和Micro‑CT之间转化的建模；转化为神经网络优化问题，推导损失函数Loss；设计一种端到端神经网络‑变分神经网络(Vsnet)；训练神经网络；用神经网络进行CBCT到Micro‑CT的转化。本发明易于实现，可以从低分辨率，边界模糊的CBCT图像生成清晰的Micro‑CT图像；可以在不需要离体牙的前提下，得到患者口中的Micro‑CT图像；同时经过验证，有较高的准确度。
-
公开(公告)号：CN112580935A
公开(公告)日：2021-03-30
申请号：CN202011365758.7
申请日：2020-11-29
Applicant: 同济大学
Abstract: 本发明公开了一种基于机器视觉与大数据的生产流程溯源分析方法。方法步骤主要包括：建立产品参数信息库、监控每个产品的生产流程、工艺评价、产品人为质检、对残次品进行分析、调整工艺以及完善产品信息库。本发明结合行业最前沿的机器视觉和大数据技术，改进产品质检方式，优化产品生产流程，并根据对于工业残次品的具体分析来优化产品信息库，从而不断提高工业生产的质量和效率。
-
Patent Agency Ranking
公开(公告)号：CN112541339A
公开(公告)日：2021-03-23
申请号：CN202011364225.7
申请日：2020-11-29
Applicant: 同济大学
Abstract: 本发明公开了一种基于随机森林和序列标注模型的知识抽取方法，具体涉及基于随机森林和BILSTM_CRF的实体关系联合抽取方法。首先获取非结构化文本，对文本进行预处理以及句子向量化表示，然后把语句序列输入句子选择器筛选出高质量语句，把选择的语句输入BILSTM_CRF序列标注模型进行标注训练，最后用训练好的模型对输入的语句进行句子级别的序列标注。本发明基于随机森林，通过BILSTM_CRF序列标注模型有效地抽取非结构化文本中的知识并形成结构化信息,采用这种抽取方法,极大地提高了非结构化信息抽取的效率,有助于丰富已有的知识图谱资源,进而为各种智能化应用更好地服务。
-
公开(公告)号：CN110619646A
公开(公告)日：2019-12-27
申请号：CN201910664757.3
申请日：2019-07-23
Applicant: 同济大学
Abstract: 一种基于全景图的单牙提取方法，其特征在于，包括：步骤1，提取牙槽骨前景图；步骤2，根据步骤1得到的牙槽骨前景图生成牙齿全景图；步骤3，根据步骤2得到的牙齿全景图生成上下颌分离线；步骤4，根据步骤2得到的牙齿全景图生成相邻牙齿分割线；步骤5，使用步骤3得到的上下颌分离线与步骤4得到的相邻牙齿分割线将单牙从三维口腔CT中提取出来；步骤6，对生成的三维单牙CT图像堆进行后处理。基于全景图提取单牙的方法易于实现，鲁棒性强，不局限与口腔张开的患者口腔CT图像，可以提取患者口腔中任意单牙。并且该方法实现了相邻牙齿的自动分割，人工交互尽可能减少。
-
公开(公告)号：CN110555852A
公开(公告)日：2019-12-10
申请号：CN201910687719.X
申请日：2019-07-29
Applicant: 同济大学
Abstract: 本发明提出一种基于灰度直方图的单牙及其牙髓分割方法。牙齿的CBCT图像中，不同图层灰度值差异较大，难以通过单一阈值进行三维牙齿、牙髓分割，但在同一图层中，牙齿灰度较周围组织具有显著特征。本发明对每一图层绘制灰度直方图，通过直方图信息，找到其最适合的灰度进行二值分割，获得牙齿边界所形成的闭环区域，并填充闭环区域内的孔洞，即可快速分割牙齿与周围组织。在得到分割完成的单牙后，运用相似方法即可分割出该牙齿的牙髓。以上单颗牙齿CBCT三维图像牙齿及其牙髓分割及建模方法，实现了牙齿与周围组织、牙齿与牙髓的快速分割。
-
公开(公告)号：CN110415215A
公开(公告)日：2019-11-05
申请号：CN201910565679.1
申请日：2019-06-27
Applicant: 同济大学
Abstract: 本发明提供了一种基于图神经网络的智能检测方法，其包括如下步骤：采集数据、预处理、搭建网络模型、预训练和迁移学习、预测和抽检验证以完善整个预测系统；相比于人工检测，本发明提高了部件检测的准确率以及效率，减少了人为因素对检测的干预，降低了人工成本和检测成本。相比于传统机器学习方法，图神经网络不要求数据的组成形式必须具有良好的空间关系，即具有排列齐整的矩阵形式，其可以接受非结构化输入的特点显著提升了模型的表达能力。相比于卷积神经网络方法，图神经网络可以更好地学习各元素的逻辑关系，从而提高模型的泛化能力。在网络的学习过程中，每个节点负责传播自身的信息以及综合邻居节点的信息，从而学习掌握数据的逻辑范式。
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.023 seconds)
