-
公开(公告)号：CN112419191B
公开(公告)日：2022-05-20
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：CN114359628A
公开(公告)日：2022-04-15
申请号：CN202111537613.5
申请日：2021-12-15
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于医疗图像处理技术领域，具体为一种利用相邻帧时空信息的食管内镜视频帧序列质量分类的算法。本发明算法包括：构建用于视频帧序列预测算法的卷积神经网络模型，包括内容特征提取子网络、运动特征提取子网络，参考两种特征的信息，最后通过全连接子网络给出中间帧的视频质量分数；进行数据的收集与模型的训练，当训练的目标函数降低至某可接受阈值，即可认为网络收敛；最后，将连续三帧图像输入到训练好的网络模型中，得到中间帧的质量分类；实验结果表明，本发明算法的质量分类的准确性超过85％，对于临床食管内镜的诊断与质量控制，具有很强的应用价值。
-
公开(公告)号：CN114298975A
公开(公告)日：2022-04-08
申请号：CN202111486801.X
申请日：2021-12-07
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于医疗图像处理技术领域，具体为一种基于PyQt5的食管内镜图像序列的质量标注工具。本发明包括五个模块：文件夹选择与打开模块、图像质量标记模块、训练样本生成模块、显示模块与切换控制模块；五个模块协同工作，共同完成文件夹内食管内镜图像序列的质量高与低的标注。本发明可以辅助医生完成对某个文件夹内的食管内镜图像序列进行质量评判的标注工作。食道内镜图片质量分为高质量或者低质量，由医生根据临床经验进行相应的判断。本发明工具操作简单，步骤清晰，直接生成神经网路训练所需要的数据对，适用于各种需要对医疗图像序列(不限于食管内镜)进行质量高低标注的场合。
-
公开(公告)号：CN114283080A
公开(公告)日：2022-04-05
申请号：CN202111537614.X
申请日：2021-12-15
Applicant: 复旦大学
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种多模态特征融合的文本指导图像压缩噪声去除方法。本发明方法包括：模型以压缩图像和相应的文本描述作为输入，分别提取局部特征和全局特征；基于全局特征融合，模型利用文本全局特征增强图像全局特征，极大提升重建结果的全局质量；基于局部特征融合，模型利用文本局部特征增强图像局部特征，使重建结果具有更多细粒度纹理；在网络训练中引入重构损失、对抗损失、对比损失和语义一致损失来辅助模型生成更加真实、自然的结果。实验结果表明，本发明可以有效利用文本信息来辅助压缩图像的增强，生成自然美观且与未压缩图像语义一致的重建结果，有效解决图像压缩噪声去除的问题。
-
公开(公告)号：CN111354004B
公开(公告)日：2022-03-18
申请号：CN202010124604.2
申请日：2020-02-27
Applicant: 复旦大学
Abstract: 本发明属于医疗图像处理技术领域，具体为一种基于颞骨CT平扫影像的左右耳区域分割方法。该算法用于对头部颞骨CT影像中的左、右耳部区域进行分割，使得计算机能够集中地对耳部区域进行后续的处理。本发明依次包括以下步骤：对头部CT图像的无效区域进行剔除；按照比例将图像中的左、右耳区域分别裁出；将左、右耳区图像分别整理保存。实验结果表明，对于平扫的颞骨CT图像，本方法可以剔除无效的黑色区域，抛弃其他无关部位的信息，准确地提取左右耳区域。
-
Patent Agency Ranking
公开(公告)号：CN112102332A
公开(公告)日：2020-12-18
申请号：CN202010891178.5
申请日：2020-08-30
Applicant: 复旦大学
Abstract: 本发明属于医学图像智能处理技术领域，具体为一种基于局部分类神经网络的癌症全视野数字病理切片的分割方法，本发明方法包括，将病理切片划分为若干个固定大小且不重叠的图像块，将每个图像块送入基于卷积神经网络的分类模型，通过前向传播判断该块的类别，再将各块的分类结果按其在原图上的位置进行拼接，从而得出整个切片中不同组织分布的热图，最后对热图进行中值滤波并去除面积过小的区域后可得到分割图，并辅助医生进行诊断。本发明方法能够快速地将整个病理切片中不同组织所在的区域标出，有效辅助医生进行诊断，提升诊断的准确率与效率。
-
公开(公告)号：CN112102256A
公开(公告)日：2020-12-18
申请号：CN202010853194.5
申请日：2020-08-22
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种面向窄带内镜图像的早期食管鳞癌的癌灶检测及诊断系统。本发明系统包括特征提取骨干网络和特征金字塔、区域候选网络、兴趣区域池化与癌灶分类网络，以及在窄带成像内镜图像上进行可视化的系统。骨干网络用于提取输入图像的特征图；特征金字塔用于将不同尺度的特征相融合；区域候选网络提出可能的病灶区域；对兴趣区域池化将特征池化到可疑病灶区域；癌灶分类网络对癌灶进行分类；最后在窄带成像内镜图像上进行可视化，使用不同的颜色对癌灶进行框选标记。将窄带成像内镜的图像输入到网络模型中，对图像中存在的早期食管鳞癌的癌灶进行检测与诊断，可有效提升诊断效率，辅助医生获取更高的诊断精度。
-
公开(公告)号：CN108989731B
公开(公告)日：2020-07-07
申请号：CN201810904777.9
申请日：2018-08-09
Applicant: 复旦大学
IPC: H04N7/01 , H04N21/2343 , H04N21/4402
Abstract: 本发明属于视频编辑技术领域，具体为一种提高视频空间分辨率的方法。本发明步骤包括：局部帧及局部特征的提取：将多帧相邻视频帧输入到局部网络NETL中，利用帧间的局部信息学习出局部重构帧SRtLocal及该帧的特征FtLocal；重构当前帧：将学到的局部帧和相邻的前一帧SRt‑1重构后的视频帧输入到内容网络NETC中，重构当前帧。本发明不仅充分利用多个相邻低分辨率视频帧之间的关联性，还结合前一帧超分重构后的视频帧来恢复当前视频帧的高频内容。实验结果表明，本方法可较好地保持重构视频的时间连贯性，恢复出丰富的视频细节纹理，提升视频的清晰度视觉质量，同时还达到实时处理的速度，具有较高的应用价值。
-
公开(公告)号：CN111354445A
公开(公告)日：2020-06-30
申请号：CN202010125498.X
申请日：2020-02-27
Applicant: 复旦大学
Abstract: 本发明属于医疗图像处理技术领域，具体为一种用矩形框标注CT影像并生成深度学习训练样本的系统。本发明系统包括六个模块：文件夹选择与打开模块、画框标记模块、图片属性标记模块、训练样本生成模块、显示模块与切换控制模块；六个模块协同工作，共同完成文件夹内所有CT影像的画框以及图片属性的标记。本发明可以完成两种标记：一是框状的标记，能够用包围盒的形式标出病灶部位或者异常部位，生成基于像素的包围盒位置掩膜；二是图像整体病变类型，有两种病变共三类病变类型的标记，用于标注整张图片属于何种病变。本发明系统操作简单，步骤清晰，直接生成训练数据对，适用于各种需要对医疗CT影像进行框选标注的场合。
-
公开(公告)号：CN111340122A
公开(公告)日：2020-06-26
申请号：CN202010131868.0
申请日：2020-02-29
Applicant: 复旦大学
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种多模态特征融合的文本引导图像修复方法。本发明方法依次包括：网络以缺损图像和相应的文本描述作为输入，分为两个阶段：粗略修复阶段和精细修复阶段；在粗略修复阶段，网络将文本特征和图像特征映射到统一的特征空间进行融合，利用文本特征的先验知识，网络产生合理的粗糙修复结果；在精细修复阶段，网络为粗糙修复结果生成更多的细粒度纹理；在网络训练中引入重构损失、对抗损失和文本引导的注意力损失来辅助网络生成更加细致、自然的结果。实验结果表明，本发明可以更好地预测缺失区域中物体的语义信息，并生成细粒度纹理，有效提升图像修复的效果。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.024 seconds)
