一种基于多尺度和注意力机制的遥感影像降噪方法及系统

    公开(公告)号:CN114565528B

    公开(公告)日:2025-01-10

    申请号:CN202210183952.6

    申请日:2022-02-28

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于多尺度和注意力机制的遥感影像降噪方法及系统,该方法包括:获取初始遥感影像并进行噪声添加得到噪声影像;构建遥感影像深度降噪模型,并利用初始遥感影像及其对应的噪声影像进行模型训练;模型为U型结构,其至少包括编码结构、解码结构以及跳跃连接结构,编码结构和解码结构中均设有基于多头自注意力模块的局部窗口增强模块,跳跃连接结构将编码结构中每一层局部窗口增强模块的输出连接到解码结构中对应一层的局部窗口增强模块;将待降噪的遥感影像输入训练后的遥感影像深度降噪模型,将输出结果与待降噪的遥感影像进行像素级别的相加,得到降噪后的遥感影像。本发明所述方法能够有效提高遥感影像的降噪效果。

    一种基于深度影像组学的肺腺癌Ki67表达水平无创检测方法及装置

    公开(公告)号:CN114066882A

    公开(公告)日:2022-02-18

    申请号:CN202111523577.7

    申请日:2021-12-14

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于深度影像组学的肺腺癌Ki67表达水平无创检测方法及装置,现提出如下方案,其包括以下步骤:S1:数据预处理:获得肺腺癌患者的基本临床信息和CT图像;S2:提取CT图像的深度学习特征:从CT图像中提取深度影像组学特征,将感兴趣区域反馈到网络中,以有监督的方式自适应学习潜在特征;S3:提取影像组学特征:采用手工制作的放射学签名方法(HCR)从肿瘤图像中提取影像组学特征;S4:使用多源特征融合的影像特征构建预测模型:融合深度学习特征、手工制作的影像组学特征和临床特征,通过使用三个FC层进行连接和融合,softmax函数将输出Ki67状态的概率。本发明能够无创检测肺腺癌中Ki67的状态,辅助临床医师对肺腺癌患者进行临床决策。

    基于多视图学习和深度监督自编码器的医学影像分类方法及装置

    公开(公告)号:CN112488102A

    公开(公告)日:2021-03-12

    申请号:CN202011368629.3

    申请日:2020-11-30

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于多视图学习和深度监督自编码器的医学影像分类方法及装置,所述方法包括以下步骤:步骤1、对医学影像感兴趣区域进行小波分解,获取多频子带;步骤2、将每个子带定义为一个视图,对每个视图定量提取影像组学特征,进而得到多视图特征;步骤3、构建基于多视图特征学习的深度监督自编码器的分类网络,基于影像样本的形态学多视图特征向量及其分类标签对分类网络进行训练,得到训练好的分类模型;步骤4、基于训练好的分类模型对未知分类标签的影像进行分类。本发明能够提高医学影像的分类准确度。

    一种基于深度影像组学的肺腺癌Ki67表达水平无创检测方法及装置

    公开(公告)号:CN114066882B

    公开(公告)日:2025-04-22

    申请号:CN202111523577.7

    申请日:2021-12-14

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于深度影像组学的肺腺癌Ki67表达水平无创检测方法及装置,现提出如下方案,其包括以下步骤:S1:数据预处理:获得肺腺癌患者的基本临床信息和CT图像;S2:提取CT图像的深度学习特征:从CT图像中提取深度影像组学特征,将感兴趣区域反馈到网络中,以有监督的方式自适应学习潜在特征;S3:提取影像组学特征:采用手工制作的放射学签名方法(HCR)从肿瘤图像中提取影像组学特征;S4:使用多源特征融合的影像特征构建预测模型:融合深度学习特征、手工制作的影像组学特征和临床特征,通过使用三个FC层进行连接和融合,softmax函数将输出Ki67状态的概率。本发明能够无创检测肺腺癌中Ki67的状态,辅助临床医师对肺腺癌患者进行临床决策。

    一种基于多尺度和注意力机制的遥感影像降噪方法及系统

    公开(公告)号:CN114565528A

    公开(公告)日:2022-05-31

    申请号:CN202210183952.6

    申请日:2022-02-28

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于多尺度和注意力机制的遥感影像降噪方法及系统,该方法包括:获取初始遥感影像并进行噪声添加得到噪声影像;构建遥感影像深度降噪模型,并利用初始遥感影像及其对应的噪声影像进行模型训练;模型为U型结构,其至少包括编码结构、解码结构以及跳跃连接结构,编码结构和解码结构中均设有基于多头自注意力模块的局部窗口增强模块,跳跃连接结构将编码结构中每一层局部窗口增强模块的输出连接到解码结构中对应一层的局部窗口增强模块;将待降噪的遥感影像输入训练后的遥感影像深度降噪模型,将输出结果与待降噪的遥感影像进行像素级别的相加,得到降噪后的遥感影像。本发明所述方法能够有效提高遥感影像的降噪效果。

Patent Agency Ranking