公开(公告)号：CN111259986B

公开(公告)日：2023-10-31

申请号：CN202010104042.5

申请日：2020-02-20

Applicant: 中南大学

Inventor： 廖胜辉 ,  韩付昌 ,  蒋义勇 ,  邹忠全 ,  张凡荣 ,  温小斌 ,  刘姝 ,  赵于前

IPC: G06F18/24 ,  G06F18/214

Abstract: 本发明公开了一种自由瞬目条件下的眼表指标数据分类方法，包括获取历史数据中自由瞬目条件下的眼表指标数据、进行数据处理、进行混沌特性测试和映射相关运算，得到样本数据；对样本数据进行重要性权重排序和数据移除得到模型输入特征数据；将模型输入特征数据分为训练集和测试集并对分类模型进行训练、测试和修正得到自由瞬目条件下的眼表指标数据分类模型；利用自由瞬目条件下的眼表指标数据分类模型对待分类数据分类。本发明方法可靠性高、实用性好、稳定性强且适用范围广。

公开(公告)号：CN110580728B

公开(公告)日：2022-11-25

申请号：CN201910871938.3

申请日：2019-09-16

Applicant: 中南大学

Inventor： 廖胜辉 ,  温小斌 ,  刘姝

IPC: G06T11/00 ,  G06T3/00 ,  G06N3/08

Abstract: 本发明公开了一种基于结构特征自增强的CT‑MR模态迁移方法，包括获取训练数据；在原始CycleGAN网络基础上增加SEnet网络结构并训练得到SENet‑CycleGAN网络模型；结合FPN网络结构得到结构特征自增强CycleGAN网络并引入模态无关描述子损失函数并训练得到结构特征自增强CycleGAN模态迁移模型；将需要进行模态迁移的CT图像数据输入结构特征自增强CycleGAN网络输出最终的模态迁移后的伪MR图像数据。本发明方法能够从CT图像数据获取模态迁移后的MR图像数据，不仅结果清晰，而且可靠性高、通用性好、实用性强。

公开(公告)号：CN111429417B

公开(公告)日：2023-06-16

申请号：CN202010195907.3

申请日：2020-03-19

Applicant: 中南大学

Inventor： 廖胜辉 ,  蒋义勇 ,  韩付昌 ,  申锴镔 ,  邹忠全 ,  温小斌 ,  刘姝 ,  赵于前

IPC: G06T7/00 ,  G06N20/00

Abstract: 本发明公开了一种儿童股骨头旋转中心检测方法，包括获取并选择儿童双侧髋关节X线图像、标注标志点、X轴和Y轴并测量髋关节指标；处理髋关节指标得到样本数据并设定权重；将数据分为训练集和测试集，采用训练集对检测模型进行训练、采用测试集进行检测得到最终的儿童股骨头旋转中心检测模型；采用最终的儿童股骨头旋转中心检测模型对待检测儿童的双侧髋关节X线图像进行股骨头旋转中心的检测。本发明方法能够快速准确对儿童股骨头旋转中心进行检测，而且训练速度快，稳定性强，实用效果较好。

公开(公告)号：CN111429417A

公开(公告)日：2020-07-17

申请号：CN202010195907.3

申请日：2020-03-19

Applicant: 中南大学

Inventor： 廖胜辉 ,  蒋义勇 ,  韩付昌 ,  申锴镔 ,  邹忠全 ,  温小斌 ,  刘姝 ,  赵于前

IPC: G06T7/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种儿童股骨头旋转中心检测方法，包括获取并选择儿童双侧髋关节X线图像、标注标志点、X轴和Y轴并测量髋关节指标；处理髋关节指标得到样本数据并设定权重；将数据分为训练集和测试集，采用训练集对检测模型进行训练、采用测试集进行检测得到最终的儿童股骨头旋转中心检测模型；采用最终的儿童股骨头旋转中心检测模型对待检测儿童的双侧髋关节X线图像进行股骨头旋转中心的检测。本发明方法能够快速准确对儿童股骨头旋转中心进行检测，而且训练速度快，稳定性强，实用效果较好。

公开(公告)号：CN111259986A

公开(公告)日：2020-06-09

申请号：CN202010104042.5

申请日：2020-02-20

Applicant: 中南大学

Inventor： 廖胜辉 ,  韩付昌 ,  蒋义勇 ,  邹忠全 ,  张凡荣 ,  温小斌 ,  刘姝 ,  赵于前

IPC: G06K9/62

Abstract: 本发明公开了一种自由瞬目条件下的眼表指标数据分类方法，包括获取历史数据中自由瞬目条件下的眼表指标数据、进行数据处理、进行混沌特性测试和映射相关运算，得到样本数据；对样本数据进行重要性权重排序和数据移除得到模型输入特征数据；将模型输入特征数据分为训练集和测试集并对分类模型进行训练、测试和修正得到自由瞬目条件下的眼表指标数据分类模型；利用自由瞬目条件下的眼表指标数据分类模型对待分类数据分类。本发明方法可靠性高、实用性好、稳定性强且适用范围广。

公开(公告)号：CN110580728A

公开(公告)日：2019-12-17

申请号：CN201910871938.3

申请日：2019-09-16

Applicant: 中南大学

Inventor： 廖胜辉 ,  温小斌 ,  刘姝

IPC: G06T11/00 ,  G06T3/00 ,  G06N3/08

Abstract: 本发明公开了一种基于结构特征自增强的CT-MR模态迁移方法，包括获取训练数据；在原始CycleGAN网络基础上增加SEnet网络结构并训练得到SENet-CycleGAN网络模型；结合FPN网络结构得到结构特征自增强CycleGAN网络并引入模态无关描述子损失函数并训练得到结构特征自增强CycleGAN模态迁移模型；将需要进行模态迁移的CT图像数据输入结构特征自增强CycleGAN网络输出最终的模态迁移后的伪MR图像数据。本发明方法能够从CT图像数据获取模态迁移后的MR图像数据，不仅结果清晰，而且可靠性高、通用性好、实用性强。