-
公开(公告)号：CN109146891A
公开(公告)日：2019-01-04
申请号：CN201810811699.8
申请日：2018-07-23
Applicant: 北京邮电大学
IPC: G06T7/11
Abstract: 本发明实施例提供了一种应用于MRI的海马体分割方法、装置及电子设备。所述方法包括：获取MRI三维影像；构建大小为预设尺寸，且包含所述MRI三维影像的敏感区域的目标图像；将所述目标图像分别输入预先训练得到的至少两个交互神经网络中，得到各所述交互神经网络输出的预分割结果；根据预先确定的各所述交互神经网络的权重，以及各所述交互神经网络输出的预分割结果，确定所述MRI三维影像的分割结果。本发明实施例可以提高对海马体分割的效率。
-
Patent Agency Ranking
公开(公告)号：CN111640119B
公开(公告)日：2023-11-17
申请号：CN202010273013.1
申请日：2020-04-09
Applicant: 北京邮电大学
IPC: G06T7/11 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例提供了一种图像处理方法、处理装置、电子设备及存储介质，所述方法包括：获取待处理多模态人体部位影像；对待处理多模态人体部位影像进行预处理，得到预处理后的多模态人体部位影像；将预处理后的多模态人体部位影像，输入预先训练好的基于注意力机制构建的栈式卷积神经网络模型中，得到预处理后的多模态人体部位影像对应的区域分割结果。本发明实施例，能够提升人体不正常区域分割的准确度，满足批量处理人体部位影像不正常区域分割工作的需求，实时性较高，可重复操作性好。
-
公开(公告)号：CN109146891B
公开(公告)日：2020-11-13
申请号：CN201810811699.8
申请日：2018-07-23
Applicant: 北京邮电大学
IPC: G06T7/11
Abstract: 本发明实施例提供了一种应用于MRI的海马体分割方法、装置及电子设备。所述方法包括：获取MRI三维影像；构建大小为预设尺寸，且包含所述MRI三维影像的敏感区域的目标图像；将所述目标图像分别输入预先训练得到的至少两个交互神经网络中，得到各所述交互神经网络输出的预分割结果；根据预先确定的各所述交互神经网络的权重，以及各所述交互神经网络输出的预分割结果，确定所述MRI三维影像的分割结果。本发明实施例可以提高对海马体分割的效率。
-
公开(公告)号：CN108764314B
公开(公告)日：2020-10-02
申请号：CN201810475821.9
申请日：2018-05-17
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种结构化数据分类方法、装置、电子设备及存储介质，其中，结构化数据分类方法包括：获取待分类结构化数据；将所述待分类结构化数据输入预先训练得到的卷积神经网络模型，得到所述待分类结构化数据的分类结果，其中，所述卷积神经网络模型包括全连接层及卷积神经子网络，所述全连接层为所述卷积神经网络模型中的第一层。通过本方案可以提高卷积神经网络模型对结构化数据分类的准确率。
-
公开(公告)号：CN111640119A
公开(公告)日：2020-09-08
申请号：CN202010273013.1
申请日：2020-04-09
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种图像处理方法、处理装置、电子设备及存储介质，所述方法包括：获取待处理多模态人体部位影像；对待处理多模态人体部位影像进行预处理，得到预处理后的多模态人体部位影像；将预处理后的多模态人体部位影像，输入预先训练好的基于注意力机制构建的栈式卷积神经网络模型中，得到预处理后的多模态人体部位影像对应的区域分割结果。本发明实施例，能够提升人体不正常区域分割的准确度，满足批量处理人体部位影像不正常区域分割工作的需求，实时性较高，可重复操作性好。
-
公开(公告)号：CN108764314A
公开(公告)日：2018-11-06
申请号：CN201810475821.9
申请日：2018-05-17
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种结构化数据分类方法、装置、电子设备及存储介质，其中，结构化数据分类方法包括：获取待分类结构化数据；将所述待分类结构化数据输入预先训练得到的卷积神经网络模型，得到所述待分类结构化数据的分类结果，其中，所述卷积神经网络模型包括全连接层及卷积神经子网络，所述全连接层为所述卷积神经网络模型中的第一层。通过本方案可以提高卷积神经网络模型对结构化数据分类的准确率。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
