-
公开(公告)号：CN108280236A
公开(公告)日：2018-07-13
申请号：CN201810170150.5
申请日：2018-02-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于LargeVis的随机森林可视化数据分析方法。训练数据集预处理；通过随机森林提取训练数据集重要特征；采用LargeVis进行降维处理；基于LargeVis的随机森林进行可视化处理。本发明提出一种基于LargeVis的随机森林可视化的数据分析方法，针对高维数据，利用随机森林训练出的特征重要性，形成新的次高维数据，再利用LargeVis降维后的数据，送入随机森林进行预测分析并形成可视化，可以提高分类精度，又可以提高可视化的时间，同时适应不同的数据。
-
公开(公告)号：CN108229434A
公开(公告)日：2018-06-29
申请号：CN201810101321.9
申请日：2018-02-01
Applicant: 福州大学
Abstract: 本发明涉及一种车辆识别与细致重构的方法。该方法使用生成对抗网络GAN识别出行驶的车辆目标，然后将目标提取出来进行细致重构；在前几帧视频中确认了目标车辆，之后的视频帧中只要出现同一辆目标车辆就会被该算法自动识别，并且会在视频中框选出目标车辆的基础上，重构出较大分辨率目标车辆的高清晰图像。本发明方法可以使用的场景有很多，例如在前向行驶车辆的跟踪中，可以更加快速的识别出被其它车辆遮挡有突然出现的目标车辆，在监控肇事车辆逃跑中，可以更精确的掌握肇事车辆的位置信息。
-
公开(公告)号：CN106952279A
公开(公告)日：2017-07-14
申请号：CN201710208009.5
申请日：2017-03-31
Applicant: 福州大学
Abstract: 本发明涉及一种超声心动图分割算法，首先设计了模糊聚类的方法，结合空间信息实现自适应优化的过程，避免中间的形态学操作，实现了对图像的自动粗分割，降低噪声的影响，并将其结果作为水平集分割操作的控制参数，用于控制水平集的演变过程。然后用水平集法对超声图像进行二次分割，进一步降低噪声的影响并得到相对明朗的轮廓线。由于边界模糊和像素的不均匀性导致的欠分割和分割过度的问题普遍存在且极难避免，最后引入左心室形状的先验知识对ROI区域进行拟合计算约束分割形状的演变，得到预期的平滑闭合轮廓，本发明极大提高了分割的准确性和鲁棒性。
-
公开(公告)号：CN103167247B
公开(公告)日：2016-06-01
申请号：CN201310118005.X
申请日：2013-04-08
Applicant: 福州大学
Abstract: 本发明涉及一种视频序列彩色图像拼接方法，其特征在于：基于SURF算法，在对SURF描述特征点的向量中增加彩色信息，以增加特征点描述的准确性，然后采用双向二次特征点匹配，达到精确匹配的目的，最后利用双线性插值原理对待拼接的图像进行拼接，提高拼接的连续性和精确性。本发明解决适于彩色图像的配准方法，同时在匹配过程采用更加简单的实现方法。
-
公开(公告)号：CN103177260A
公开(公告)日：2013-06-26
申请号：CN201310135708.3
申请日：2013-04-19
Applicant: 福州大学
IPC: G06K9/46
Abstract: 本发明涉及一种彩色图像边界提取方法，根据彩色图像主要包含的色彩信息和亮度信息，在边界提取的过程中同时考虑色彩信息和亮度信息的边界提取，并将两者融合起来，得到更加完善的边界图像。本发明设计了一种基于亮度信息和向量空间的彩色图像Canny边界提取方法，分别计算亮度信息和向量空间的梯度值及方向，然后对两组梯度值单独进行非极大值抑制，设定高低阈值，分别融合得到的高阈值图像和低阈值图像，最后利用形态学处理得到最终边界。
-
Patent Agency Ranking
公开(公告)号：CN114119511B
公开(公告)日：2024-12-03
申请号：CN202111339539.6
申请日：2021-11-12
Applicant: 福州大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及一种基于EfficientNet结构的结肠镜图像评价方法，包括以下步骤：步骤S1：获取结直肠序列图像，并初步分类为左半结肠、横结肠、右半结肠三段子序列图像；步骤S2:对子序列图像进行预处理；步骤S3:根据预处理后的子序列图像，基于可缩放的EfficientNet网络模型，获得最优的分类；步骤S4：基于BBPS肠道准备评价标准，即对左半结肠、横结肠、右半结肠三段子序列图像分别评分，累计各段肠道清洁度最差的图像评分，进一步评价结肠镜图像是否合格。本发明有效实现肠道准备的自动、准确的评价，可极大减轻医生的负担。
-
公开(公告)号：CN114299058B
公开(公告)日：2024-09-06
申请号：CN202111680086.3
申请日：2021-12-30
Applicant: 福州大学
IPC: G06T7/00 , G16H50/20 , G16H10/20 , G16H10/60 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于扩散MRI图像的脑网络分析方法，同时采用双任务的模型训练方法，实现脑网络的综合性分析。解决脑网络在非欧空间进行表示学习的问题。同时采用双任务的模型训练方法，实现临床数据的充分利用，得到脑网络的定性和定量分析结果。其采用可在非欧空间上感知不规则结构数据特征的图神经网络（GNNs）模型对脑网络进行表示学习，以提高模型对于脑网络表示的准确度。此外，采用双任务的训练策略调节网络参数，以增加分析结果的实用性。
-
公开(公告)号：CN114299018B
公开(公告)日：2024-07-05
申请号：CN202111633527.4
申请日：2021-12-29
Applicant: 福州大学
IPC: G06T7/00 , G06T7/11 , G06T5/30 , G06V10/82 , G06V10/80 , G06V10/764 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种基于中心线拓扑连通和多视角信息的CT图像血管分割方法，包括以下步骤：步骤S1：获取原始CT图像，并进行预处理；步骤S2:将预处理后的CT图像，分成若干含动静脉血管标签的感兴趣区域的图像块；步骤S3:将图像块送入基于U‑Net的多尺度深监督网络进行分割，将网络输出的动静脉分割结果通过多视角投票策略得到初步结果;步骤S4:利用从中心线模型学习到的血管拓扑连通信息对初步结果中错误的部分进行修正；步骤S5:采用形态学膨胀得到衍生的血管颗粒，并利用肺血管网络模型学习的肺血管形态信息对动静脉进行修正，得到最终的分割结果。本发明准确率高，泛化能力强，能够在不同类型的CT图像中获得精准的动静脉分割结果。
-
公开(公告)号：CN114332122B
公开(公告)日：2024-06-07
申请号：CN202111637998.2
申请日：2021-12-30
Applicant: 福州大学
IPC: G06T7/11 , G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于注意力机制分割并回归的细胞计数方法，将细胞分割和回归结合起来，以起到减小细胞计数的误差的效果。此外，基还于U‑Net++的原始模型结构进行改进，引入卷积注意力机制模块，以增强分割的效果。考虑到目前大部分基于卷积回归网络的细胞计数方法都是经过全卷积网络训练后进行回归计数，从而导致细胞的计数结果会有较大的误差，因此本发明设计的基于注意力机制分割并回归的细胞计数方法，在进行全卷积训练中增加分割模块，以增加细胞计数的准确性，采用先分割后回归，达到精确计数的目的。
-
公开(公告)号：CN112651969B
公开(公告)日：2023-04-07
申请号：CN202110169782.1
申请日：2021-02-08
Applicant: 福州大学
IPC: G06T7/00 , G06T7/11 , G06T7/12 , G06V10/25 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种结合多信息融合网络和区域增长的气管树分级提取方法，其包括以下步骤：步骤S1：获取肺部的CT图像，并预处理；步骤S2:将预处理后的肺部的CT图像集进行分级，划分整体气管树和细小气管分支两个训练集；步骤S3:分别对整体气管树训练集和细小气管分支训练集进行采样，得到整体气管树训练子集和细小气管训练子集；步骤S4:构建多信息融合分割模型，并根据整体气管树训练子集训练；步骤S5:构建体素分类网络模型，并根据细小气管训练子集训练；步骤S6:将待分割图像数据依次输入训练后的多信息融合分割模型和训练后的体素分类网络模型，得到初步气管树；步骤S7:基于中心线的几何重建方法进处理初步气管树，得到最终的气管树。本发明有效提高分类的准确性。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.017 seconds)
