-
公开(公告)号：CN107480702B
公开(公告)日：2021-03-30
申请号：CN201710594235.1
申请日：2017-07-20
Applicant: 东北大学
Abstract: 本发明公开了一种面向HCC病理图像识别的特征选择与特征融合方法，通过将病理图像的训练图像的深度特征、编码特征和纹理特征与mRMR、KPCA和Relief三种特征选择方法进行组合，进而通过随机森林分类器输出病理图像中每一类图像识别分类准确率最高的最优组合函数，并使用病理图像的测试图像通过随机森林分类器对最优组合函数的识别分类准确率进行验证，输出最优组合函数针对病理图像的测试图像中每一类图像的识别分类准确率。使用本发明方法获得的最优组合函数对病理图像进行识别分类，对每一类病理图像均能够获得较高的识别分类准确率，进而避免误诊情况出现。
-
公开(公告)号：CN109102506A
公开(公告)日：2018-12-28
申请号：CN201810950406.4
申请日：2018-08-20
Applicant: 东北大学
Abstract: 本发明涉及一种基于三级级联网络进行腹部CT肝脏病变图像的自动分割方法，所述方法包括：S1、获取三维腹部肝脏CT图像数据；S2、对获取的三维腹部肝脏CT图像数据进行预处理和数据标准化；S3、将经过预处理和数据标准化的三维腹部肝脏CT图像数据输入AuxResUnet肝脏图像分割模型，然后对获取的三维腹部肝脏CT图像数据分割结果取3D最大连通区域以排除假阳性区域，获得肝脏VOI；S4、采用S3获得三维腹部肝脏CT图像数据分割结果，作为CT肝脏图像数据的掩膜，覆盖S3中得到的肝脏VOI；S5、将经过覆盖的肝脏VOI输入AuxResUnet肝脏图像病变分割模型进行病变分割，获得肝脏图像病变分割结果；本发明提供的图像分割方法，能够实现肝脏和肝脏病变的快速、准确的分割。
-
公开(公告)号：CN112330790B
公开(公告)日：2024-02-02
申请号：CN202011311549.4
申请日：2020-11-20
Applicant: 东北大学
IPC: G06T11/00 , G06T7/11 , G06T5/70 , G06T5/73 , G06T5/92 , G06T7/90 , G06N3/0455 , G06N3/09 , G06N3/094
Abstract: 本发明公开一种基于对抗学习与自适应色度修正的CT图像自动着色方法，本方法通过对抗生成学习网络对公开的人体解剖组织切片数据集进行色度的学习，色度重建模型在多器官分割网络的辅助下，更准确地对不同器官和组织所在的区域着色。利用训练好的色度重建模型对CT图像进行全局色度重建后，根据全局色度重建后的效果选取种子点实现局部区域的分割，通过分割掩模和从调色盘选取参考色度信息，基于局部区域中原始Hu值特征分布进行颜色扩散，实现对局部区域进行色度修正，将修正后的结果作为新的监督，对色度重建模型进行精细训练调整，使CT着色结果更加逼真。
-
公开(公告)号：CN109102506B
公开(公告)日：2021-08-13
申请号：CN201810950406.4
申请日：2018-08-20
Applicant: 东北大学
Abstract: 本发明涉及一种基于三级级联网络进行腹部CT肝脏病变图像的自动分割方法，所述方法包括：S1、获取三维腹部肝脏CT图像数据；S2、对获取的三维腹部肝脏CT图像数据进行预处理和数据标准化；S3、将经过预处理和数据标准化的三维腹部肝脏CT图像数据输入AuxResUnet肝脏图像分割模型，然后对获取的三维腹部肝脏CT图像数据分割结果取3D最大连通区域以排除假阳性区域，获得肝脏VOI；S4、采用S3获得三维腹部肝脏CT图像数据分割结果，作为CT肝脏图像数据的掩膜，覆盖S3中得到的肝脏VOI；S5、将经过覆盖的肝脏VOI输入AuxResUnet肝脏图像病变分割模型进行病变分割，获得肝脏图像病变分割结果；本发明提供的图像分割方法，能够实现肝脏和肝脏病变的快速、准确的分割。
-
公开(公告)号：CN108830370B
公开(公告)日：2020-11-10
申请号：CN201810508479.8
申请日：2018-05-24
Applicant: 东北大学
IPC: G06N3/00
Abstract: 本发明公开一种基于增强学习型菌群觅食算法的特征选择方法，方法包括：初始化细菌群落的位置、最大循环数值、迭代次数初始值；细菌群落中每一个菌体表示待选择的特征向量的权重向量；根据RL中最大化历史经验值策略，为每一菌体选择一种运动行为并执行，获取更新后的每一菌体的更新位置及更新位置后每一菌体的适应度值；基于RL规则，针对每一菌体适应度值的变化，获取反馈值；根据反馈值更新每一菌体所累积的历史经验值，将迭代次数增加1，重复上述过程，直至迭代次数大于最大循环数值时，输出细菌群落。本发明的方法采用增强学习型的优化方式代替了传统的概率型优化方式，能够得到更好的识别结果并且耗时较少。
-
Patent Agency Ranking
公开(公告)号：CN109272443B
公开(公告)日：2020-07-28
申请号：CN201811160982.5
申请日：2018-09-30
Applicant: 东北大学
Abstract: 本发明涉及一种基于全卷积神经网络的PET与CT图像配准方法；包括：获取待配准的PET与CT二维图像，通过尺寸预处理后获取待配准的PET与CT图像块并输入到预先训练的全卷积神经网络中，获取配准图像；其中，训练全卷积神经网络包括以下步骤：101、获取用于训练的PET和CT样本图像块；102、构建全卷积神经网络，获取形变场；103、通过形变场和PET图像块获取训练配准图像；104、获取总损失函数L，并通过L更新网络权重参数；105、遍历用于训练的PET和CT样本图像块，更新网络权重参数，获全卷积神经网络；本发明计算成本小，结合相似性度量和限制形变场平滑度，从而限制图像的过度形变，配准效率高。
-
公开(公告)号：CN110363797A
公开(公告)日：2019-10-22
申请号：CN201910634301.2
申请日：2019-07-15
Applicant: 东北大学
Abstract: 本发明涉及医学图像配准技术领域，提供一种基于过度形变抑制的PET与CT图像配准方法。本发明首先采集二维PET/CT序列图像，得到PET/CT序列图像集并对其预处理，得到PET/CT图像块训练集；然后基于3D U-Net卷积神经网络构建PET/CT配准网络，并结合图像相似性约束项与过度形变抑制项构造代价函数；接着初始化神经网络权重参数，设置超参数，将PET/CT图像块训练集输入PET/CT配准网络并对其进行迭代训练；最后将待配准的PET/CT图像对输入训练后的PET/CT配准网络，生成配准后的PET图像块。本发明能够实现PET/CT弹性配准，提高配准效率与准确性，降低对过度形变抑制的计算成本。
-
公开(公告)号：CN103824328A
公开(公告)日：2014-05-28
申请号：CN201410116588.7
申请日：2014-03-27
Applicant: 东北大学
IPC: G06T17/00
Abstract: 一种基于OpenCL的移动立方体方法，属于三维重建技术领域，运行于装有OpenCL计算设备的计算机上；读取三维图像，初始化OpenCL环境；并行地扫描三维图像中所有体素的边，判断是否存在等值面顶点；并行地计算等值面顶点的坐标和法向量；并行地扫描所有体素，计算体素索引，并行地查询体素中存在的三角形数量；并行地查询体素中三角形顶点所在边，生成三维模型。基于OpenCL技术对算法进行并行加速；先遍历体素中的边生成顶点，再遍历体素生成三维模型，消除内存冗余。
-
公开(公告)号：CN116091412A
公开(公告)日：2023-05-09
申请号：CN202211575130.9
申请日：2022-12-08
Applicant: 东北大学
IPC: G06T7/00 , G06T7/11 , G06V10/774 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及一种从PET/CT图像中分割肿瘤的方法，包括下列步骤：步骤1：获取肿瘤数据集；所述肿瘤数据集为PET/CT多模态数据集或CT或MRI单模态数据集；步骤2：对所述肿瘤数据集进行预处理，得到预处理后的肿瘤数据集；步骤3：训练两个重量级的神经网络分别作为两个教师网络并保存；步骤4：基于两个教师网络和预建的轻量级的学生网络，构建知识蒸馏架构；步骤5：基于知识蒸馏架构训练所述学生网络，得到训练好的学生网络；步骤6：将所述预处理后的肿瘤数据集输入至训练好的学生网络，得到肿瘤分割结果。
-
公开(公告)号：CN108257120B
公开(公告)日：2019-09-06
申请号：CN201810017023.1
申请日：2018-01-09
Applicant: 东北大学
Abstract: 本发明涉及一种基于CT图像的三维肝脏包围盒的自动提取方法，对N例腹部CT肝脏分割数据进行体积测量，选出和平均肝脏体积最接近的三维CT切片和肝脏掩膜，确定其对应的CT切片的肝脏区域矩形框；把已经确定肝脏矩形区域的CT图像作为标准CT图像和未确定肝脏包围盒的CT图像进行粗配准，改变粗配准中优化器的步长和迭代次数，输出变换矩阵；对肝脏区域矩形框的二值图像进行几何变换，将变换后的矩阵放在二维坐标系中，找出矩阵中灰度值为1的所有点的坐标，根据X,Y最大值和最小值确定矩形边界作为肝脏区域矩形。本发明降低了图像处理数据量，指导肝脏的快速、准确的分割，对于指导肝脏肿瘤分割具有重要意义，为后续研究奠定了基础。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.018 seconds)
