一种面向深度学习的显微内窥镜图像数据增强方法

    公开(公告)号:CN112767266B

    公开(公告)日:2022-08-30

    申请号:CN202110030166.8

    申请日:2021-01-11

    Abstract: 本发明公开了一种面向深度学习的显微内窥镜图像数据增强方法,包括:(1)对获取的内窥镜细胞核图像进行标注,得到细胞核掩码图像,(2)构建并训练对抗生成网络模型,(3)生成仿真细胞核掩码图像数据集,(4)将生成的仿真细胞核掩码图像数据集输入训练好的对抗生成网络模型中,生成合成数据集;(5)将生成的合成数据集进行染色分离,随机调整染色配比,再进行染色融合,得到数据增强的样本集。本发明能够生成具有一定多样性的、质量足够好的显微内窥镜图像,能够解决深度学习显微内窥镜数据集不平衡以及数据量不足的难题,使得模型能够提供获得更好的预测能力辅助医生诊断,进一步提高医生的诊断精确度并提高工作效率。

    基于深度学习的高分辨率显微内窥镜图像细胞核分割方法

    公开(公告)号:CN112396621B

    公开(公告)日:2022-08-30

    申请号:CN202011305801.0

    申请日:2020-11-19

    Abstract: 本发明公开了一种基于深度学习的高分辨率显微内窥镜图像细胞核分割方法,该方法包括:获取原始内窥镜图像,对内窥镜图像进行细胞核的像素级标注,得到细胞核的掩码图像,并将标注后的掩码图像与内窥镜图像一并分成训练集、验证集;构建分层多尺度注意机制高分辨卷积神经网络模型;训练数据集进行数据增强后输入至所述卷积神经网络中进行迭代训练,并使用验证集判断迭代训练是否完成;当判断迭代训练完成后,将所述原始内窥镜图像输入至训练后的所述卷积神经网络,输出内窥镜图像中各像素属于细胞核的预测概率,得到所述细胞核的分割结果,实现对输入图像的精确分割。

    一种面向深度学习的显微内窥镜图像数据增强方法

    公开(公告)号:CN112767266A

    公开(公告)日:2021-05-07

    申请号:CN202110030166.8

    申请日:2021-01-11

    Abstract: 本发明公开了一种面向深度学习的显微内窥镜图像数据增强方法,包括:(1)对获取的内窥镜细胞核图像进行标注,得到细胞核掩码图像,(2)构建并训练对抗生成网络模型,(3)生成仿真细胞核掩码图像数据集,(4)将生成的仿真细胞核掩码图像数据集输入训练好的对抗生成网络模型中,生成合成数据集;(5)将生成的合成数据集进行染色分离,随机调整染色配比,再进行染色融合,得到数据增强的样本集。本发明能够生成具有一定多样性的、质量足够好的显微内窥镜图像,能够解决深度学习显微内窥镜数据集不平衡以及数据量不足的难题,使得模型能够提供获得更好的预测能力辅助医生诊断,进一步提高医生的诊断精确度并提高工作效率。

    一种基于深度多示例学习的电子胆道镜图像辅助诊断方法

    公开(公告)号:CN114299041A

    公开(公告)日:2022-04-08

    申请号:CN202111658858.3

    申请日:2021-12-31

    Abstract: 本发明公开了一种基于深度多示例学习的电子胆道镜图像辅助诊断方法,该方法包括胆道镜系统中获取图像,图像预处理,深度多示例学习模型训练和模型预测患者胆管狭窄良恶性。对于没有图片级别标注的胆道镜视频截取图像,本方法采用深度多示例学习方法,将一个患者的所有图像作为多示例包,患者的病理结果作为包标签进行模型的训练,充分利用了序列信息,最终预测患者胆管狭窄的良恶性。本方法能辅助医生对患者的胆道检查进行判断,提高医生诊断的准确率和效率。

    基于噪声标定的内窥镜摄像系统自适应时域降噪方法

    公开(公告)号:CN112291447B

    公开(公告)日:2021-03-30

    申请号:CN202011473693.8

    申请日:2020-12-15

    Abstract: 本发明公开了一种基于噪声标定的内窥镜摄像系统自适应时域降噪方法,该方法包括噪声标定模块和自适应时域降噪模块。噪声标定模块自动调整摄像系统的增益和曝光并连续拍摄多幅测试标板图像,计算不同增益不同曝光下各个灰阶的亮度均值和降噪阈值,并保存到参数文件中,其中降噪阈值在时域降噪时用来判定像素点是否属于静止。自适应时域降噪模块读取保存的参数文件,依据摄像系统当前的增益和曝光值,结合视频帧各个像素点的局部亮度,对每个像素点自动选取最合适的降噪阈值来判定是否属于静止并进行时域降噪。本发明提出的降噪方法能有效降低静止区域的时域噪声,无需人为设定降噪阈值,同时考虑了摄像系统的增益和曝光,自适应性强,实时性好。

    基于噪声标定的内窥镜摄像系统自适应时域降噪方法

    公开(公告)号:CN112291447A

    公开(公告)日:2021-01-29

    申请号:CN202011473693.8

    申请日:2020-12-15

    Abstract: 本发明公开了一种基于噪声标定的内窥镜摄像系统自适应时域降噪方法,该方法包括噪声标定模块和自适应时域降噪模块。噪声标定模块自动调整摄像系统的增益和曝光并连续拍摄多幅测试标板图像,计算不同增益不同曝光下各个灰阶的亮度均值和降噪阈值,并保存到参数文件中,其中降噪阈值在时域降噪时用来判定像素点是否属于静止。自适应时域降噪模块读取保存的参数文件,依据摄像系统当前的增益和曝光值,结合视频帧各个像素点的局部亮度,对每个像素点自动选取最合适的降噪阈值来判定是否属于静止并进行时域降噪。本发明提出的降噪方法能有效降低静止区域的时域噪声,无需人为设定降噪阈值,同时考虑了摄像系统的增益和曝光,自适应性强,实时性好。

    基于深度学习的高分辨率显微内窥镜图像细胞核分割方法

    公开(公告)号:CN112396621A

    公开(公告)日:2021-02-23

    申请号:CN202011305801.0

    申请日:2020-11-19

    Abstract: 本发明公开了一种基于深度学习的高分辨率显微内窥镜图像细胞核分割方法,该方法包括:获取原始内窥镜图像,对内窥镜图像进行细胞核的像素级标注,得到细胞核的掩码图像,并将标注后的掩码图像与内窥镜图像一并分成训练集、验证集;构建分层多尺度注意机制高分辨卷积神经网络模型;训练数据集进行数据增强后输入至所述卷积神经网络中进行迭代训练,并使用验证集判断迭代训练是否完成;当判断迭代训练完成后,将所述原始内窥镜图像输入至训练后的所述卷积神经网络,输出内窥镜图像中各像素属于细胞核的预测概率,得到所述细胞核的分割结果,实现对输入图像的精确分割。

    基于小量推力的卫星离轨控制方法、装置、设备及介质

    公开(公告)号:CN120003727A

    公开(公告)日:2025-05-16

    申请号:CN202510390838.4

    申请日:2025-03-31

    Applicant: 浙江大学

    Abstract: 本发明涉及航天测量与控制技术领域,提供一种基于小量推力的卫星离轨控制方法、装置、设备及介质,能够根据每个候选点火策略的控制效率指标值确定不同的点火策略,并基于点火策略先进行近地点高度抬升模拟,再进行圆化轨道控制模拟,最后执行轨道高度整体抬升模拟,以将卫星持续抬升至坟墓轨道,进一步地,根据模拟数据对目标卫星的离轨过程进行碰撞风险评估,并在碰撞风险评估结果显示目标卫星在离轨过程中不存在与其他卫星的碰撞风险时,基于使用的不同点火策略生成对目标卫星的离轨控制策略,以辅助对于卫星执行安全、高效的离轨控制任务。

    基于空天遥感融合影像的湿地物种分类方法

    公开(公告)号:CN118762237A

    公开(公告)日:2024-10-11

    申请号:CN202411239670.9

    申请日:2024-09-05

    Abstract: 本申请涉及遥感图像处理领域,其具体地公开了一种基于空天遥感融合影像的湿地物种分类方法,其采用深度学习技术对预定区域的卫星影像和无人机影像进行辐射互校准,利用卷积神经网络提取卫星影像和无人机影像中相对应波段的光谱特征,基于二者的光谱特征差异来更新网络参数,使得网络在提取光谱特征时能够实现光谱特征的对齐,并基于提取的校准对齐的卫星影像光谱特征和无人机影像光谱特征进行图像重构,生成校准处理后的卫星影像和无人机影像,进而通过多模态图像信息融合和物种特征提取,以此来进行湿地物种的智能分类。这样,能够有效减小由于传感器特性、拍摄条件等因素造成的影像间辐射差异,提高湿地物种分类的准确性和可靠性。

Patent Agency Ranking