-
公开(公告)号：CN116630334B
公开(公告)日：2023-12-08
申请号：CN202310446004.1
申请日：2023-04-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种用于多分段血管实时自动分割方法、装置、设备及介质，其中方法包括：获取待分割图像；将待分割图像输入至血管分割模型，得到血管分割模型输出的血管分割结果；血管分割模型包括主干网络、类别先验网络、结构先验网络和动态控制网络；主干网络用于提取待分割图像的图像特征，并对图像特征进行解码得到特征图，还用于基于融合特征和特征图进行血管分割；类别先验网络用于基于类别先验知识，得到类别先验特征，结构先验网络用于基于结构先验知识，得到结构先验特征，动态控制网络用于对类别先验特征、结构先验特征和图像特征进行特征融合，得到融合特征。本发明提供的方法、(56)对比文件谢文彬.基于轻量级标注的弱监督图像语义分割算法研究《.中国优秀硕士学位论文全文数据库信息科技辑》.2023,(第01期),I138-2440.闫朝阳.基于病理图像分析的癌症恶性程度自动评估《.中国优秀硕士学位论文全文数据库医药卫生科技辑》.2022,(第01期),E072-61.Yuxin Gong 等.SCCNet: Self-correctionboundary preservation with a dynamicclass prior filter for high-variabilityultrasound image segmentation.《Computerized Medical Imaging andGraphics》.2023,1-16.
-
公开(公告)号：CN119919773A
公开(公告)日：2025-05-02
申请号：CN202510402251.0
申请日：2025-04-01
Applicant: 中国科学院自动化研究所 , 北京科技大学 , 中国医学科学院北京协和医院
IPC: G06V10/82 , G06V10/80 , G06V10/52 , G06V10/42 , G06V10/44 , G06V10/62 , G06V20/40 , G06V10/26 , G06V40/14 , G06N3/045 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/084 , G06N3/048
Abstract: 本公开提供血管识别模型的训练方法、血管识别方法、装置、电子设备、存储介质和计算机程序产品，包括：将每个影像组输入对应的MSFUnet网络；将与多个MSFUnet网络对应的多个第一血管识别结果输入LSTM网络；基于每个MSFUnet网络输出的第一血管识别结果以及第一影像标签，计算第一损失；基于LSTM网络输出的血管识别最终结果以及第二影像标签，计算第二损失；通过基于第一损失调整MSFUnet网络的参数，并基于第二损失调整LSTM网络的参数。通过使用多帧融合算法L‑MSFUnet，即通过使用多张血管造影图像来进行血管识别，所考虑的数据量更多、数据内容更丰富，进而可以保证生成覆盖更全面的腹主动脉血管树，即可以有效提高血管识别的准确性。
-
公开(公告)号：CN112348860B
公开(公告)日：2022-08-16
申请号：CN202011161676.0
申请日：2020-10-27
Applicant: 中国科学院自动化研究所 , 中国医学科学院北京协和医院
Abstract: 本发明属于图像数据处理领域，具体涉及了一种用于血管内动脉瘤手术的血管配准方法、系统和装置，旨在解决现有的图像配准技术生成的配准图像较为模糊，耗时长干扰多的问题。本发明包括：将获取的CTA图像转化为主动脉血管三维图像，并进一步转化为主动脉血管二维图像，同时将DSA图像转化为主动脉血管二值图像，通过基于回归器子网络、空间变换子网络和重采样子网络构建的基于深度学习的血管配准网络获取配准后的图像。本发明仅可以解决术中DSA影像模糊的问题，还能够在目前X光透射图像中更快速和准确的找到腹主动脉瘤位置，可以达到在血管内动脉瘤修复手术中实时协助医生的要求。
-
Patent Agency Ranking
公开(公告)号：CN113538475B
公开(公告)日：2022-03-25
申请号：CN202110815335.9
申请日：2021-07-19
Applicant: 中国科学院自动化研究所 , 中国医学科学院北京协和医院
Abstract: 本发明属于图像分析领域，具体涉及了一种基于多任务算法的实时多器械分割方法和系统，旨在解决现有的X涉嫌图像器械分割无法同时分割出多种器械、透视图像中多种器械像素重叠和实时性差的问题。本发明包括：获取X光视频序列，作为被测视频序列，基于所述被测视频序列，通过训练好的基于多任务学习的轻量级深度特征细化网络获取预设类别器械的预测分割结果。本发明的基于多任务学习的轻量级深度特征细化网络通过添加特征细化模块和通道标定模块，并结合混合损失函数、交叉熵损失函数和多任务损失函数，实现了在X射线图像中进行实时多仪器分割，解决了同时仪器分割的像素重叠的问题，提高了预测分割的准确性和鲁棒性。
-
公开(公告)号：CN113538475A
公开(公告)日：2021-10-22
申请号：CN202110815335.9
申请日：2021-07-19
Applicant: 中国科学院自动化研究所 , 中国医学科学院北京协和医院
Abstract: 本发明属于图像分析领域，具体涉及了一种基于多任务算法的实时多器械分割方法和系统，旨在解决现有的X涉嫌图像器械分割无法同时分割出多种器械、透视图像中多种器械像素重叠和实时性差的问题。本发明包括：获取X光视频序列，作为被测视频序列，基于所述被测视频序列，通过训练好的基于多任务学习的轻量级深度特征细化网络获取预设类别器械的预测分割结果。本发明的基于多任务学习的轻量级深度特征细化网络通过添加特征细化模块和通道标定模块，并结合混合损失函数、交叉熵损失函数和多任务损失函数，实现了在X射线图像中进行实时多仪器分割，解决了同时仪器分割的像素重叠的问题，提高了预测分割的准确性和鲁棒性。
-
公开(公告)号：CN111985485A
公开(公告)日：2020-11-24
申请号：CN202010858840.7
申请日：2020-08-24
Applicant: 中国科学院自动化研究所 , 中国医学科学院北京协和医院
Abstract: 本发明属于图像识别领域，具体涉及了一种基于金字塔形注意力循环网络的手术介入器械追踪方法，旨在解决现有技术无法实时并且精确地依据手术中X光透射图像对手术的介入器械进行追踪的问题。本发明包括：通过获取X光透射待检测视频序列并基于待检测视频序列通过基于深度学习的金字塔形注意力循环网络生成显示手术介入器械的二值分割掩膜序列，将显示手术介入器械的二值分割掩膜覆盖在待检测视频序列上生成显示手术介入器械的视频序列。本发明通过金字塔形注意力块分级提取图像特征再通过循环上采样块降低图像的特征损失，避免了边缘像素的错误分类提高了手术介入器械追踪的精确度。
-
公开(公告)号：CN116630334A
公开(公告)日：2023-08-22
申请号：CN202310446004.1
申请日：2023-04-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种用于多分段血管实时自动分割方法、装置、设备及介质，其中方法包括：获取待分割图像；将待分割图像输入至血管分割模型，得到血管分割模型输出的血管分割结果；血管分割模型包括主干网络、类别先验网络、结构先验网络和动态控制网络；主干网络用于提取待分割图像的图像特征，并对图像特征进行解码得到特征图，还用于基于融合特征和特征图进行血管分割；类别先验网络用于基于类别先验知识，得到类别先验特征，结构先验网络用于基于结构先验知识，得到结构先验特征，动态控制网络用于对类别先验特征、结构先验特征和图像特征进行特征融合，得到融合特征。本发明提供的方法、装置、设备及介质，提高了血管分割的准确性和可靠性。
-
公开(公告)号：CN112348860A
公开(公告)日：2021-02-09
申请号：CN202011161676.0
申请日：2020-10-27
Applicant: 中国科学院自动化研究所 , 中国医学科学院北京协和医院
Abstract: 本发明属于图像数据处理领域，具体涉及了一种用于血管内动脉瘤手术的血管配准方法、系统和装置，旨在解决现有的图像配准技术生成的配准图像较为模糊，耗时长干扰多的问题。本发明包括：将获取的CTA图像转化为主动脉血管三维图像，并进一步转化为主动脉血管二维图像，同时将DSA图像转化为主动脉血管二值图像，通过基于回归器子网络、空间变换子网络和重采样子网络构建的基于深度学习的血管配准网络获取配准后的图像。本发明仅可以解决术中DSA影像模糊的问题，还能够在目前X光透射图像中更快速和准确的找到腹主动脉瘤位置，可以达到在血管内动脉瘤修复手术中实时协助医生的要求。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
