-
公开(公告)号：CN106023239A
公开(公告)日：2016-10-12
申请号：CN201610523605.8
申请日：2016-07-05
Applicant: 东北大学
CPC classification number: G06T5/002 , G06T2207/30068 , G06T2207/30096
Abstract: 本发明提供一种基于乳腺子区域密度聚类的乳腺肿块分割系统及方法，涉及医学图像后处理技术领域。本发明通过预处理单元对乳腺图像进行前期图像预处理后，由分割窗口单元将图像分成若干子区域，利用密度特征提取单元分别对各子区域进行密度特征提取，并由聚类单元进行聚类，最后由分割结果可视化单元将聚类分割后的图像显示出来。本发明提供的基于乳腺子区域密度聚类的乳腺肿块分割系统及方法采用基于乳腺子区域密度聚类的方法，进行乳腺肿块的准确分割，并将分割后肿块位置清晰的显示出来，能有效辅助乳腺疾病的准确诊断。
-
公开(公告)号：CN104123722A
公开(公告)日：2014-10-29
申请号：CN201410321447.9
申请日：2014-07-08
Applicant: 东北大学
Abstract: 本发明涉及一种核磁图像超分辨率的系统及方法，包括图像超分辨率训练单元、图像超分辨率单元和随机参数生成器，通过对原核磁图像进行降质、插值、特征图像提取，得到特征图像集，对特征图像集中的图像进行分割、向量化处理，得到图像超分辨率训练集的特征矩阵和图像超分辨率训练集的目标矩阵，利用ELM原理，计算出神经网络输出节点的权重向量参数，对神经网络输出节点的权重向量参数进行选择，选出最佳参数，完成图像超分辨率训练，将原核磁图像进行降质、分割、特征图像提取、分割和向量化处理，得到原核磁图像的特征矩阵，利用ELM原理和最佳参数，由原核磁图像的特征矩阵得到原始核磁图像的超分辨率图像。
-
公开(公告)号：CN104123722B
公开(公告)日：2017-02-01
申请号：CN201410321447.9
申请日：2014-07-08
Applicant: 东北大学
Abstract: 本发明涉及一种核磁图像超分辨率的系统及方法，包括图像超分辨率训练单元、图像超分辨率单元和随机参数生成器，通过对原核磁图像进行降质、插值、特征图像提取，得到特征图像集，对特征图像集中的图像进行分割、向量化处理，得到图像超分辨率训练集的特征矩阵和图像超分辨率训练集的目标矩阵，利用ELM原理，计算出神经网络输出节点的权重向量参数，对神经网络输出节点的权重向量参数进行选择，选出最佳参数，完成图像超分辨率训练，将原核磁图像进行降质、分割、特征图像提取、分割和向量化处理，得到原核磁图像的特征矩阵，利用ELM原理和最佳参数，由原核磁图像的特征矩阵得到原始核磁图像的超分辨率图像。
-
-
Search Results
3
records
(took 0.024 seconds)
