-
公开(公告)号：CN113362332A
公开(公告)日：2021-09-07
申请号：CN202110638265.4
申请日：2021-06-08
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种OCT影像下冠状动脉管腔轮廓的深度网络分割方法，该分割方法采用双支路深度卷积网络结构，一条支路分割OCT影像对应的管腔区域掩膜，另一条支路预测管腔内壁轮廓，两个任务之间进行联合学习，耦合后的结果即为最终的分割轮廓。本发明采用双支路深度卷积网络，利用两个任务之间的相关性进行联合学习，并融合两个支路的结果获得最终的分割轮廓，能够对管腔内壁形状变化保持鲁棒，进而准确定位血管内壁轮廓，实现OCT影像下冠状动脉管腔轮廓的准确分割。
-
公开(公告)号：CN112767407A
公开(公告)日：2021-05-07
申请号：CN202110141339.3
申请日：2021-02-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于级联门控3DUnet模型的CT图像肾脏肿瘤分割方法，包括：采集腹部CT扫描中包含肾脏的图像序列，对每个图像序列中的肾脏及肿瘤进行标注，生成对应的标注掩码,构建数据集Dataset；对Dataset进行P1预处理操作，构建肾脏(包括肿瘤)分割的U型深度网络模型M1；对Dataset中的图像序列与对应的标注掩码进行裁剪，取出只有肾脏(或肿瘤)的体素部分，进行P2预处理操作，基于门控卷积层构建肿瘤分割的深度网络分割模型M2；分别对模型M1、M2进行训练；通过模型M1和M2的级联处理分割出肾脏肿瘤区域。本发明通过网络级联的两阶段分割模型，并联合门控卷积层构建了用于肿瘤分割的深度网络模型，能够对癌变肾脏的形状变化保持鲁棒，有效分割出不同尺寸的肿瘤。
-
公开(公告)号：CN112329818A
公开(公告)日：2021-02-05
申请号：CN202011124146.9
申请日：2020-10-20
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于图卷积网络嵌入表征的高光谱图像非监督分类方法，包括：对待高光谱图像依次进行EMP和光谱特征提取，得到空谱联合特征；对空谱联合特征进行超像素分割，获得待高光谱图像的超像素点；求解超像素点的解弹性网表示，将解弹性网表示的表示系数中非零分量所关联的超像素点作为当前点的近邻，构建超像素点的图模型；基于图模型进行图卷积网络嵌入表征学习，通过层次化的顶点汇聚操作获得低维特征；根据低维特征表示，利用K‑means算法实现高光谱图像的非监督分类，其可以实现对高光谱图像进行精准分类的目的。
-
公开(公告)号：CN111402137A
公开(公告)日：2020-07-10
申请号：CN202010205303.2
申请日：2020-03-20
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种基于感知损失引导的深度注意力编解码单图像超分辨率算法，包括以下步骤：构建感知损失引导的深度注意力编解码网络模型；根据网络模型设计感知损失目标函数；预设网络模型超参，根据感知损失目标函数，采用反向传播算法训练网络模型；若网络模型收敛，则输出期望的高分辨率图像，否则返回执行上一步骤，直至网络模型收敛。本发明在网络中加入了残差空间注意力单元用于捕获并重建出更多的低频信息，使用平均绝对误差和结构相似度损失组成的感知损失作为损失函数来优化网络参数，使得网络可以更多地关注视觉敏感区域，以保存视觉信息结构，从而提高重建图像的质量，使得重建图像有着优秀的视觉效果，并且该网络的重建效率极高。
-
公开(公告)号：CN111401201A
公开(公告)日：2020-07-10
申请号：CN202010164167.7
申请日：2020-03-10
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于空间金字塔注意力驱动的航拍图像多尺度目标检测方法，包括以下步骤：首先针对大尺寸数据集运用分块处理方法增强训练数据集理；设计卷积注意力增强特征表示的残差网络作为基干网络，进而高效提取图像特征；进一步构建空间金字塔注意力模块，促使网络能够更加的准确聚焦不同尺度的目标，提取目标所在的感兴趣区域；建立目标类别分析与目标框回归模块，对不同尺度下感兴趣区域进行分类与目标框预测；在测试阶段用训练好的检测网络，采用多尺度测试策略，再通过全局集成非极大值抑制算法，融合不同尺度的检测结果，进一步提升检测准确率。
-
Patent Agency Ranking
公开(公告)号：CN110728728A
公开(公告)日：2020-01-24
申请号：CN201910874274.6
申请日：2019-09-17
Applicant: 南京信息工程大学
IPC: G06T11/00
Abstract: 本发明公开了一种基于非局部正则的压缩感知网络图像重建方法，首先获取图像数据，进行归一化处理，对图像序列进行采样，获得相应的测量向量；获取图像尺寸，根据该大小设置随机噪声，构建压缩感知网络模型，将随机噪声与测量向量作为网络的输入，添加非局部正则约束，设计目标函数，预设网络模型的超参数；采用半二次分裂算法对所设计的目标函数进行求解，交替迭代优化所构造的压缩感知网络模型，并进行正则项参数的更新，直至满足迭代结束条件；迭代过程结束后，根据当前次迭代结果计算得到重建后的图片序列，从而实现非局部正则约束的压缩感知网络重建。本发明可以在低采样的情况下，不需要对网络预训练，便可重建出接近原图的图像。
-
公开(公告)号：CN110675406A
公开(公告)日：2020-01-10
申请号：CN201910871083.4
申请日：2019-09-16
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于残差双注意力深度网络的CT图像肾脏分割算法，该方法将残差单元能重复利用特征的优点和双注意力机制优良的特征学习能力相结合，设计了残差双注意力模块，并以残差双注意力模块为基础模块构建U型深度网络分割模型，同时设计用于分割的损失函数，使U型深度网络分割模型能够更加关注肾脏区域特征，可有效应对囊性病变肾脏的形状变化，能够对囊性病变下肾脏的形状变化保持鲁棒；进而准确定位肾脏区域边界，实现CT图像中肾脏区域的自动分割，并起到很好的分割效果。
-
公开(公告)号：CN103514441A
公开(公告)日：2014-01-15
申请号：CN201310429774.1
申请日：2013-09-21
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种改进的人脸特征点定位跟踪方法，力图在多个方面全面提升算法的性能，具体体现在特征选取，模型训练以及定位跟踪等方面做了较大改进，使算法运行效率大幅提升，并同时保证了定位跟踪的准确性，能够实现在移动平台上实时进行人脸特征点的检测定位。本发明分为训练和匹配两个阶段，训练阶段主要学习全局形状模型，角点形状模型，眼睛形状模型，嘴唇形状模型，角点局部纹理模型，特征点局部纹理模型。匹配过程采用分层的机制，形状投影采取加权投影的方式。本发明的效率大幅提升，每秒可以定位跟踪二十五帧以上，在移动平台上实现了实时定位跟踪。
-
公开(公告)号：CN119991888A
公开(公告)日：2025-05-13
申请号：CN202510457933.1
申请日：2025-04-14
Applicant: 南京信息工程大学
IPC: G06T13/20 , G06T13/40 , G06T15/20 , G06T9/00 , G06N3/0499 , G06N3/084 , G06N3/045 , G06N3/094 , G06N3/0464
Abstract: 本发明公开了一种基于3DGS的高保真语音驱动数字人合成方法，首先，训练静态数字人模型，基于3D Gaussian Splatting构建，并用空间判别器提升图像质量，捕捉数字人基础形状和外观。随后，训练动态驱动网络，包含可优化全局提示、渐进式条件属性预测网络模块和双重判别器架构，其中，可优化全局提示模块用于稳定数字人面部几何结构，防止动画过程中的漂移；渐进式条件属性预测网络模块用于高效且时序连贯地预测数字人模型的动态高斯参数；双判别器架构模块用于提升合成数字人动画的真实感和时间一致性。本发明适用于语音驱动的数字人动画合成，能够有效提升合成数字人动画的真实感、效率和结构连贯性，并实现实时渲染。
-
公开(公告)号：CN119251346A
公开(公告)日：2025-01-03
申请号：CN202411764978.5
申请日：2024-12-04
Applicant: 南京信息工程大学
IPC: G06T11/00 , G06T3/4053 , G06T3/4046 , G06T7/33 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于Transformer的多模态MRI重建方法，包括将成对的欠采样和全采样MRI图像对输入到预先训练好的多模态MRI图像重建网络模型中，得到目标模态重建后的高分辨率图像；其中，所述多模态MRI图像重建网络模型包括空间配准模块和图像重建模块，所述空间配准模块用于将辅助模态MRI图像向目标模态MRI图像进行空间位置对齐，所述图像重建模块用于从MRI图像对中提取辅助信息；本发明适用于多模态MRI图像重建，能够有效提升重建MRI图像的细节质量。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.033 seconds)
