公开(公告)号：CN119963677A

公开(公告)日：2025-05-09

申请号：CN202510048520.8

申请日：2025-01-13

Applicant: 中北大学

Inventor： 李青 ,  强彦 ,  魏月娟 ,  张斌 ,  桂志国

IPC: G06T11/00 ,  G06T5/10 ,  G06T5/60 ,  G06T5/70 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明涉及一种基于循环卷积神经网络的不成对低剂量CT图像重建方法，属于图像重建技术领域。包括：收集若干临床低剂量CT图像，形成原始图像数据集，并收集若干常规剂量CT图像，形成标签数据集；原始图像数据集和标签数据集构成训练数据集；构建不成对低剂量CT图像重建网络；通过训练数据集训练不成对低剂量CT图像重建网络，得到训练好的不成对低剂量CT图像重建网络；将待重建低剂量CT图像输入训练好的不成对低剂量CT图像重建网络，得到待重建低剂量CT图像的重建结果图像。该方法具有较好的去噪性能，去噪后的图像能够完整地保留细节，并且不存在过度平滑问题。

公开(公告)号：CN119832245A

公开(公告)日：2025-04-15

申请号：CN202510013049.9

申请日：2025-01-06

Applicant: 中北大学

Inventor： 强彦 ,  郭瑛璇 ,  李青 ,  李华玲 ,  章永来 ,  霍佳鑫 ,  孙继杰

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/80 ,  G06V10/42 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/084

Abstract: 本发明公开了一种全局局部特征增强的乳腺癌医学超声图像分割方法和系统。采用U‑Net作为主干网络，包括输入端、编码器、解码器和分割头；在编码器部分，包含一个Conv stem块、四个全局‑局部特征提取模块和三个下采样模块；每个Conv stem块由一个3×3卷积层、一个BatchNorm层和一个GELU激活函数层组成；全局‑局部特征提取模块由一个LayerNorm层、一个GLEB层、一个LFEB层、一个Dropout层和一个残差连接层组成；本发明的算法在解码器部分引入一个全局‑局部特征提取模块。对于全局特征提取块，能够加强全局的信息提取。局部特征提取块，优化边界细节，等到更好的边界信息。

公开(公告)号：CN119904633A

公开(公告)日：2025-04-29

申请号：CN202411960467.0

申请日：2024-12-30

Applicant: 中北大学

Inventor： 强彦 ,  孙继杰 ,  李青 ,  李华玲 ,  章永来 ,  王彦瑾 ,  霍佳鑫 ,  郭瑛璇

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种模糊边缘增强的皮肤病变图像分割方法和系统，所述的方法包括步骤S110‑S140：S110：收集临床皮肤病变图像数据；S120：构建残差像素差分卷积的模糊边缘分割网络ResPDCNet；S130：对构建的ResPDCNet进行训练；S140：根据网络训练结果，给出皮肤病变区域分割结果。本发明提出一种基于残差像素差分卷积的模糊边缘增强皮肤病变图像分割方法。这种方法通过残差像素卷积块提取目标病变区域的细节边缘细节，解决临床医学图像中存在的前景区域与背景区域的像素差异小的问题，其次通过残差注意力块进行空间和通道的特征提取感知病变部位大小和位置，解决病变部位大小不一、病变位置难以定位问题。