-
公开(公告)号：CN111340829B
公开(公告)日：2023-02-28
申请号：CN202010083621.6
申请日：2020-02-10
Applicant: 上海海洋大学 , 南京医科大学眼科医院
Abstract: 本发明属于网络数据处理技术领域，公开了一种改进的DME水肿区域神经网络分割模型的构建方法，进行OCT图像去噪预处理；基于改进的DeepLab神经网络实现DME水肿区域的粗分割，利用空洞卷积和空间金字塔池化模块设计DeepLab神经网络结构；引入全连接条件随机场优化DME水肿区域边界；利用模型分割性能的评价指标对分割模型精度进行评价。本发明能够提高图像的对比度，在去除噪声的同时保留了病变部位的边缘纹理信息，为水肿区域的精确识别与分割奠定了较好的图像数据基础；能够获得良好的病变部位分割性能，增大感受视野、增强分割性能，提高OCT图像的分割速度。
-
公开(公告)号：CN111340829A
公开(公告)日：2020-06-26
申请号：CN202010083621.6
申请日：2020-02-10
Applicant: 上海海洋大学 , 南京医科大学眼科医院
Abstract: 本发明属于网络数据处理技术领域，公开了一种改进的DME水肿区域神经网络分割模型的构建方法，进行OCT图像去噪预处理；基于改进的DeepLab神经网络实现DME水肿区域的粗分割，利用空洞卷积和空间金字塔池化模块设计DeepLab神经网络结构；引入全连接条件随机场优化DME水肿区域边界；利用模型分割性能的评价指标对分割模型精度进行评价。本发明能够提高图像的对比度，在去除噪声的同时保留了病变部位的边缘纹理信息，为水肿区域的精确识别与分割奠定了较好的图像数据基础；能够获得良好的病变部位分割性能，增大感受视野、增强分割性能，提高OCT图像的分割速度。
-
公开(公告)号：CN119724541A
公开(公告)日：2025-03-28
申请号：CN202411619666.5
申请日：2024-11-13
Applicant: 南京医科大学眼科医院 , 宁夏医科大学总医院
IPC: G16H50/20 , A61B3/10 , A61B3/12 , A61B3/14 , G16H50/30 , G16H30/40 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06T7/00
Abstract: 本发明属于医疗图像分析技术领域，公开了一种利用频域注意力机制的糖尿病视网膜病变分级模型系统，包括数据集构建模块、数据预处理模块、评估指标模块、特征提取模块、频域通道注意力模块、频域空间注意力模块；本发明提出了一种基于深度学习的DR分级模型，旨在更准确地识别和分类眼底图像中的病变。通过引入频域通道注意力模块(FCAM)和频域空间注意力模块(FSAM)，模型能够更有效地捕获微弱病变特征。FCAM通过融合频域和通道域信息，提升模型对病变区域的敏感性；FSAM则通过在空间域和频域上强调关键像素，增强模型对细微纹理特征的提取能力。
-
公开(公告)号：CN117291890A
公开(公告)日：2023-12-26
申请号：CN202311267706.X
申请日：2023-09-28
Applicant: 南京医科大学眼科医院
IPC: G06T7/00 , G06N3/0464 , G06T7/62 , G06T3/40 , G06N3/096
Abstract: 本发明涉及医学影像处理技术领域，具体涉及基于SwinIR和YOLOv8的FFA图像眼底微动脉瘤检测方法及系统。该方法包括获取样本FFA眼底图像，并对样本FFA眼底图像进行预处理以获得样本图像数据；利用SwinIR对样本图像数据进行两次超分辨率重建，以获得不同分辨率的第一图像数据和第二图像数据；利用样本图像数据、第一图像数据和第二图像数据对YOLOv8模型进行迁移学习训练；其中，所述YOLOv8模型增加有MA检测层；且YOLOv8模型中的CIoU边界框回归损失使用Wise‑IoU边界框回归损失替换；使用训练好的YOLOv8模型对待检测FFA图像中的微动脉瘤进行检测，并计算微动脉瘤的实际面积。
-
公开(公告)号：CN110298848A
公开(公告)日：2019-10-01
申请号：CN201910585362.4
申请日：2019-07-01
Applicant: 南京医科大学眼科医院
IPC: G06T7/11
Abstract: 本发明属于水肿区域边界提取技术领域，公开了一种基于生物启发的OCT图像水肿区域边界提取方法及系统，基于生物启发的OCT图像去噪和平滑预处理；利用改进的SBGFRLS模型对OCT图像进行水肿区域边界提取。本发明基于结构保留导向视网膜图像滤波方法实现OCT图像的去噪和平滑预处理；本发明的SGRIF方法在提高图像质量的同时，保护了视网膜图像的结构，为水肿区域边界的高精确提取奠定了基础；本发明基于改进水平集的水肿区域边界提取，通过改进二值化高斯滤波水平集中的符号压力函数，使水平集演化曲线收敛到水肿区域内部，实现了DME的水肿区域边界高精准提取。
-
Patent Agency Ranking
公开(公告)号：CN113051817B
公开(公告)日：2024-04-12
申请号：CN202110295881.4
申请日：2021-03-19
Applicant: 上海海洋大学
IPC: G06F30/27 , G06N3/0442 , G06N3/08 , G06F111/10
Abstract: 本发明公开了一种基于深度学习的海浪高度预测方法及其应用，方法：将海浪数据信息分别输入AM‑LSTM模型和CatBoost模型获取输出P1和P2后，按照以下公式对P1和P2进行重构得到预测序列P；P＝q2*P1+q1*P2，#imgabs0##imgabs1#其中，w1是指经AM‑LSTM模型输出的MAE、RMSE及MAPE的均值，w2是指经CatBoost模型输出的MAE、RMSE及MAPE的均值。本发明的海浪高度预测方法，兼顾了深度学习中的LSTM在处理长期数据预测方面的优势以及注意力机制本身的特点和CatBoost的参数少、训练快和不易过拟合的特点，对预测后的数据进行重构，其预测精度高，泛化性能强，特别适用于海浪高度的预测，极具应用前景。
-
公开(公告)号：CN108596853B
公开(公告)日：2022-07-08
申请号：CN201810400875.9
申请日：2018-04-28
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于背景光统计模型和传输地图优化的水下图像增强方法，所述方法包括以下步骤：步骤S1.首先建立人为选择的背景光估计数据集(MABLs)，然后选择模型的特征参数，最后建立R通道和GB通道的背景光估计模型；步骤S2.基于新UDCP水下暗通道先验性结论得出R通道传输地图(TM)，并推理出深度地图，最终估计出GB通道的TMs及图像复原；步骤S3.在CIE‑Lab颜色模型中的自适应拉伸。其优点表现在：本发明方法适用于复杂环境下的水下图像增强、提高图像增强的运行效率、同时提高图像可视性以及获得更高信息量。相比于其它水下图像增强、复原方法，本文方法有着更好的实效性和鲁棒性。
-
公开(公告)号：CN109117883B
公开(公告)日：2022-01-11
申请号：CN201810918499.2
申请日：2018-08-13
Applicant: 上海海洋大学
IPC: G06K9/62
Abstract: 本发明属于海冰监测技术领域，公开了一种基于长短时记忆网络的SAR影像海冰分类方法及系统，以多幅连续观测的海冰SAR影像数据直接作为长短时记忆网络训练输入提取特征，并在网络训练中将海冰的密集度数据作为一维特征一起参与分类网络的训练，得到兼顾空间和时间维度的海冰分类网络；考虑未知海冰密集度数据的情况下，先训练基于长短时记忆网络的海冰密集度预测模型，然后将预测的密集度数据和SAR影像图像数据集合输入训练好的海冰分类网络进行分类。本发明在SAR影像海冰的分类中考虑到时间演变过程中海冰类别变化的时间维度特征，对于相近海冰类别的识别率具有很大的提升。
-
公开(公告)号：CN113643203A
公开(公告)日：2021-11-12
申请号：CN202110906451.1
申请日：2021-08-09
Applicant: 上海海洋大学
Abstract: 本专利公开一种在一些边界条件下图像模糊矩阵结构的辨识方法，包括依据边界条件和边角类型：1)确定边界条件矩阵的结构；2)分析扩展模糊矩阵与边界矩阵的乘积，以此获得图像模糊矩阵的结构。所公开的辨识方法，可用于特定边界条件和边角类型下图像模糊矩阵结构的辨识中，所确定的图像模糊矩阵的结构，可为图像恢复的计算实现提供依据。
-
公开(公告)号：CN113033094A
公开(公告)日：2021-06-25
申请号：CN202110313922.8
申请日：2021-03-24
Applicant: 上海海洋大学
IPC: G06F30/27 , G06N3/04 , G06F113/08
Abstract: 本发明公开了一种海浪高度预测方法，所述预测方法包括：将原始海浪高度数据序列进行VMD分解；将经过所述VMD分解得到的若干离散子序列IMF1，IMF2……IMFk输入至AM‑LSTM模型中获取所述若干离散子序列的模型预测结果PIMF1，PIMF2……PIMFk；将所述原始海浪高度数据输入至所述AM‑LSTM模型中获取所述原始海浪高度数据序列的模型预测结果PIMF；对所述若干离散子序列的模型预测结果PIMF1，PIMF2……PIMFk和所述原始海浪高度数据序列的模型预测结果PIMF进行重构计算得到所述海浪高度的最终预测值对所述最终预测值进行评估。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.062 seconds)
