-
公开(公告)号：CN118196121B
公开(公告)日：2024-09-20
申请号：CN202410412181.2
申请日：2024-04-08
Applicant: 兰州交通大学
IPC: G06T7/11 , G06T7/00 , G06T5/70 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于去噪扩散概率模型的乳腺超声图像分割方法，本发明提出了一种基于去噪扩散概率模型的医学图像分割方法；该方法增强了对全局语义信息和复杂信息的捕捉能力，同时提高了去噪扩散概率模型对病灶区域的关注度；此外，它更好地实现了噪声和语义特征之间的交互，有效降低了高频噪声的干扰；通过这些改进，本方法能够更准确地分割出乳腺肿瘤图像中的病灶区域，为乳腺肿瘤等疾病的诊断提供了有力支持。
-
公开(公告)号：CN117558394B
公开(公告)日：2024-06-25
申请号：CN202311271188.9
申请日：2023-09-28
Applicant: 兰州交通大学
IPC: G16H15/00 , G06V10/20 , G06V10/32 , G06V10/44 , G06N3/0464 , G06N3/045 , G06N3/048 , G06V10/25 , G06F18/22 , G06N3/0455 , G06V10/764 , G06F40/289 , G06F16/36 , G06N3/0442 , G06N3/096
Abstract: 本发明公开了一种基于跨模态网络的胸部X线影像报告生成方法，属于影像报告技术领域，本发明提出一种跨模态辅助网络(CMLRAN)，引入注意力机制分别处理图像和文本信息，并以记忆存储响应矩阵(MSRM)为基础，结合OpenAI提出的CLIP来增强图像和文本的信息关联。编码时侧重于X射线影像细粒度差异的分类；解码时侧重于医学专业名词的生成。该方法能够较好解决语义鸿沟等问题，智能生成胸部X线影像报告。
-
公开(公告)号：CN116779091B
公开(公告)日：2024-02-27
申请号：CN202310710730.X
申请日：2023-06-15
Applicant: 兰州交通大学
IPC: G16H15/00 , G16H30/40 , G06T7/00 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明提供了一种多模态网络互联融合的胸部影像诊断报告自动生成方法，涉及医疗信息领域。本发明提出了一种基于残差网络(Resnet)、注意力机制(Transformer)模块的网络、跨模态强化记忆网络(DCTMN)的多模态网络互联融合医学报告自动生成方法，关照和融通上述两个发力点，促进跨模态(医学影像和对应报告文本)信息的交互与匹配，自动生成图像与文本信息有效融合的医学影像诊断报告。(56)对比文件柯艺雅 等.基于深度学习的多模态骨癌影像分类诊断系统研究《.信息与电脑(理论版)》.2021,第33卷(第06期),136-138.郭淑涛.一种基于深度学习的中文图像描述模型《.天津理工大学学报》.2020,(第03期),30-35.Ketki Gupte 等.Multimodal ProductMatching and Category Mapping: Text+Imagebased Deep Neural Network《.2021 IEEEInternational Conference on Big Data (BigData)》.2022,4500-4505.
-
公开(公告)号：CN117558394A
公开(公告)日：2024-02-13
申请号：CN202311271188.9
申请日：2023-09-28
Applicant: 兰州交通大学
IPC: G16H15/00 , G06V10/20 , G06V10/32 , G06V10/44 , G06N3/0464 , G06N3/045 , G06N3/048 , G06V10/25 , G06F18/22 , G06N3/0455 , G06V10/764 , G06F40/289 , G06F16/36 , G06N3/0442 , G06N3/096
Abstract: 本发明公开了一种基于跨模态网络的胸部X线影像报告生成方法，属于影像报告技术领域，本发明提出一种跨模态辅助网络(CMLRAN)，引入注意力机制分别处理图像和文本信息，并以记忆存储响应矩阵(MSRM)为基础，结合OpenAI提出的CLIP来增强图像和文本的信息关联。编码时侧重于X射线影像细粒度差异的分类；解码时侧重于医学专业名词的生成。该方法能够较好解决语义鸿沟等问题，智能生成胸部X线影像报告。
-
公开(公告)号：CN109685814A
公开(公告)日：2019-04-26
申请号：CN201910001478.9
申请日：2019-01-02
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于MSPCNN的胆囊结石超声图像全自动分割方法，包括：采用MSPCNN算法对超声图像进行分割，得到胆囊粗分割二值图像；采用形态学算法对所述胆囊粗分割二值图像进行分割，得到胆囊精确分割二值图像和结石精确分割二值图像；采用局部加权线性回归算法分别对所述胆囊精确分割二值图像和结石精确分割二值图像进行后处理，使胆囊结石边缘轮廓平滑，最终得到胆囊区域分割结果和结石区域分割结果。实现降低计算复杂度、减少分割步骤、提高图像分割速度与精度的优点。
-
Patent Agency Ranking
公开(公告)号：CN112819712B
公开(公告)日：2022-03-11
申请号：CN202110093625.7
申请日：2021-01-22
Applicant: 兰州交通大学
Abstract: 本发明提供了一种基于PNA‑MSPCNN模型的低照度彩色图像增强方法。包括：获得原始图像的初始亮度谱；利用PNA‑MSPCNN算法获得突触权重矩阵；在PNA‑MSPCNN算法模式下，根据突触权重矩阵进一步获得梯度亮度谱；根据梯度亮度谱，利用Retinex算法计算得到最终权重矩阵；基于最终权重矩阵，对得到的初始亮度谱进行修正得到最终亮度映射谱；利用Retinex算法并结合最终亮度映射谱对原始图像进行修正得到低照度增强图像。本发明技术方案的关键算法为PNA‑MSPCNN算法，通过PNA‑MSPCNN算法与改进的LIME算法结合应用得以实现低亮度彩色图像增强，神经元点火次数和频率更易于控制，算法复杂度更低，图像增强效果更好。
-
公开(公告)号：CN112819712A
公开(公告)日：2021-05-18
申请号：CN202110093625.7
申请日：2021-01-22
Applicant: 兰州交通大学
Abstract: 本发明提供了一种基于PNA‑MSPCNN模型的低照度彩色图像增强方法。包括：获得原始图像的初始亮度谱；利用PNA‑MSPCNN算法获得突触权重矩阵；在PNA‑MSPCNN算法模式下，根据突触权重矩阵进一步获得梯度亮度谱；根据梯度亮度谱，利用Retinex算法计算得到最终权重矩阵；基于最终权重矩阵，对得到的初始亮度谱进行修正得到最终亮度映射谱；利用Retinex算法并结合最终亮度映射谱对原始图像进行修正得到低照度增强图像。本发明技术方案的关键算法为PNA‑MSPCNN算法，通过PNA‑MSPCNN算法与改进的LIME算法结合应用得以实现低亮度彩色图像增强，神经元点火次数和频率更易于控制，算法复杂度更低，图像增强效果更好。
-
公开(公告)号：CN118196121A
公开(公告)日：2024-06-14
申请号：CN202410412181.2
申请日：2024-04-08
Applicant: 兰州交通大学
IPC: G06T7/11 , G06T7/00 , G06T5/70 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于去噪扩散概率模型的乳腺超声图像分割方法，本发明提出了一种基于去噪扩散概率模型的医学图像分割方法；该方法增强了对全局语义信息和复杂信息的捕捉能力，同时提高了去噪扩散概率模型对病灶区域的关注度；此外，它更好地实现了噪声和语义特征之间的交互，有效降低了高频噪声的干扰；通过这些改进，本方法能够更准确地分割出乳腺肿瘤图像中的病灶区域，为乳腺肿瘤等疾病的诊断提供了有力支持。
-
公开(公告)号：CN109685814B
公开(公告)日：2020-10-23
申请号：CN201910001478.9
申请日：2019-01-02
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于MSPCNN的胆囊结石超声图像全自动分割方法，包括：采用MSPCNN算法对超声图像进行分割，得到胆囊粗分割二值图像；采用形态学算法对所述胆囊粗分割二值图像进行分割，得到胆囊精确分割二值图像和结石精确分割二值图像；采用局部加权线性回归算法分别对所述胆囊精确分割二值图像和结石精确分割二值图像进行后处理，使胆囊结石边缘轮廓平滑，最终得到胆囊区域分割结果和结石区域分割结果。实现降低计算复杂度、减少分割步骤、提高图像分割速度与精度的优点。
-
公开(公告)号：CN119180826A
公开(公告)日：2024-12-24
申请号：CN202411203045.9
申请日：2024-08-29
Applicant: 兰州交通大学
IPC: G06T7/10 , G06N3/047 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T5/70 , G06T5/60 , G06V10/80 , G06V10/44 , G06V10/52
Abstract: 本发明公开了扩散模型、多尺度与注意力模块的医学超声图像分割方法，本发明将其扩散模型为改进的去噪扩散概率模型，多尺度与注意力模块分别为自行设计的多尺度动态条件模块和高斯交叉融合注意力模块。该方法使用去噪扩散概率模型，去除图像噪声和捕获重要细节信息；利用多尺度动态条件模块，提高图像对比度和对不同尺度上下文信息的整合能力；利用高斯交叉融合注意力模块，克服直接合并编码器特征和动态条件模块特征时的不兼容性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.028 seconds)
