-
公开(公告)号：CN106384343A
公开(公告)日：2017-02-08
申请号：CN201610715423.0
申请日：2016-08-24
Applicant: 上海交通大学
CPC classification number: G06T7/0012 , G06T2207/30041
Abstract: 本发明涉及一种基于形态学处理的硬性渗出区域检测方法，用以标记视网膜病患者眼底图像上的硬性渗出区域，包括以下步骤：1)对初始眼底图像进行预处理，使其灰度化并获取灰度图像；2)在灰度图像中采用形态学闭操作消除血管对渗出区域检测产生的影响；3)对消除血管影响后的灰度图像通过形态学处理获取无病变的眼底背景图像；4)根据消除血管影响后的灰度图像与无病变的眼底背景图像标记出眼底图像上的真实硬性渗出区域，并且计算该真实硬性渗出区域的面积。与现有技术相比，本发明具有无需训练样本、图像准确等优点。
-
公开(公告)号：CN106372593A
公开(公告)日：2017-02-01
申请号：CN201610776889.1
申请日：2016-08-30
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于血管收敛的视盘区定位方法，用于对眼底图像的视盘区进行定位，所述方法包括下列步骤：利用最小二乘分类器分割出眼底图像的初始视盘区；根据血管收敛位置计算分割出的初始视盘区的中心；计算初始视盘区的中心的各个方向上梯度值最大的点，构成点集，利用快速椭圆拟合算法处理点集，得到视盘区边界并确定视盘区。与现有技术相比，本发明具有鲁棒性强、能克服各种干扰因素、可以准确定位视盘区中心以及定位清晰明了等优点。
-
公开(公告)号：CN106355599A
公开(公告)日：2017-01-25
申请号：CN201610776843.X
申请日：2016-08-30
Applicant: 上海交通大学
CPC classification number: G06T2207/10004 , G06T2207/20024 , G06T2207/20036 , G06T2207/30041
Abstract: 本发明涉及一种基于非荧光眼底图像的视网膜血管自动分割方法，包括以下步骤：第一步、对图像进行预处理，增强血管特征，弱化背景噪声；第二步、利用多尺度线性算子提取视网膜图像的形态学特征，并结合二维Gabor小波变换分割出精细的血管框架；第三步、分割出精细的血管框架之后，采用路径形态学滤波，将最大路径长度与血管区域的几何特征相结合，构造临接图；第四步、通过区域连通性分析和滞后阈值技术进行二值化过程，辅助分割微小血管，完成分割。与现有技术相比，本发明血管定位精度较高，粘连现象少，有效分割眼底图像的视网膜血管网络。
-
公开(公告)号：CN106355584A
公开(公告)日：2017-01-25
申请号：CN201610776886.8
申请日：2016-08-30
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于局部熵确定阈值的眼底图像微动脉瘤自动检测方法，包括以下步骤：第一步、对图像进行预处理，以实现眼底图像的亮度均一化；第二步、使用高斯匹配滤波，以增强图像中的血管和微动脉瘤像素；第三步、利用局部熵确定阈值，对眼底图像进行阈值分割，分割出图像的血管、微动脉瘤的目标区域；第四步、分割后加入利用数学形态学提取连通分量，实现长度筛选，在筛选出的暗色区域中去除掉长度超过设定阈值且相互连通的血管结构，即可检测出真实的微动脉瘤结构；第五步、利用双环滤波，排除图像中的噪声的干扰点，提高检测的准确率。与现有技术相比，本发明具有检测准确度高等优点。
-
Patent Agency Ranking
公开(公告)号：CN106372593B
公开(公告)日：2019-12-10
申请号：CN201610776889.1
申请日：2016-08-30
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于血管收敛的视盘区定位方法，用于对眼底图像的视盘区进行定位，所述方法包括下列步骤：利用最小二乘分类器分割出眼底图像的初始视盘区；根据血管收敛位置计算分割出的初始视盘区的中心；计算初始视盘区的中心的各个方向上梯度值最大的点，构成点集，利用快速椭圆拟合算法处理点集，得到视盘区边界并确定视盘区。与现有技术相比，本发明具有鲁棒性强、能克服各种干扰因素、可以准确定位视盘区中心以及定位清晰明了等优点。
-
公开(公告)号：CN106355599B
公开(公告)日：2019-03-29
申请号：CN201610776843.X
申请日：2016-08-30
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于非荧光眼底图像的视网膜血管自动分割方法，包括以下步骤：第一步、对图像进行预处理，增强血管特征，弱化背景噪声；第二步、利用多尺度线性算子提取视网膜图像的形态学特征，并结合二维Gabor小波变换分割出精细的血管框架；第三步、分割出精细的血管框架之后，采用路径形态学滤波，将最大路径长度与血管区域的几何特征相结合，构造临接图；第四步、通过区域连通性分析和滞后阈值技术进行二值化过程，辅助分割微小血管，完成分割。与现有技术相比，本发明血管定位精度较高，粘连现象少，有效分割眼底图像的视网膜血管网络。
-
公开(公告)号：CN107832265A
公开(公告)日：2018-03-23
申请号：CN201710962639.1
申请日：2017-10-17
Applicant: 上海交通大学
CPC classification number: G06F17/18 , G06F9/5027
Abstract: 本发明提供了一种基于状态感知的desktop的CPU负载预测方法，根据用户行为和CPU负载的变化趋势对desktop的状态划分为突变状态，空闲状态和正常状态，并针对desktop的状态，对CPU负载进行如下预测：当desktop处于突变状态时，根据应用程序启动或关闭时对CPU负载的影响的历史信息预测该应用程序启动或关闭对CPU负载的影响，进而预测当前CPU负载；当desktop处于空闲状态时，预测下一个时间点的CPU负载等效于当前时间点的CPU负载；当desktop处于正常状态时，采用自回归模型预测当前CPU负载。本发明有效提高了CPU负载的预测准确率。
-
-
公开(公告)号：CN110413391A
公开(公告)日：2019-11-05
申请号：CN201910672078.0
申请日：2019-07-24
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于容器集群的深度学习任务服务质量保证方法和系统。基于容器的运行平台接收任务，形成任务队列，预测各个任务的所需资源需求，根据所需资源需求对队列中的任务形成优先等级，依据优先等级对任务进行调度；解析任务的运行日志，监控集群资源利用率，基于运行日志和集群资源利用率，判定任务的资源扩展需求，根据资源扩展需求对任务的调度进行修正。本发明易用性高且资源利用率高，用户在提交深度学习任务时只需指定服务质量，无需指定复杂的资源配置，会通过任务调度和任务扩展的方式保证其服务质量；并且充分利用了深度学习任务的特点，用更少的资源保证任务的服务质量。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
