公开(公告)号：CN119579461A

公开(公告)日：2025-03-07

申请号：CN202411656734.5

申请日：2024-11-19

Applicant: 华东师范大学 ,  江苏集萃智能感知科技有限公司

Inventor： 李庆利 ,  毛欣天 ,  梁建 ,  孙德新 ,  王妍

IPC: G06T5/73 ,  G06T5/60 ,  G06T5/10 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了基于自适应退出可逆架构的图像盲去模糊方法，包括：获取图像去模糊标准数据集，对所述图像去模糊标准数据集进行预处理，获得预处理后的图像去模糊标准数据集，所述预处理后的图像去模糊标准数据集包括降质图像和清晰图像；构建自适应退出可逆架构模型，将预处理后的图像去模糊标准数据集输入所述自适应退出可逆架构模型进行训练，获得训练好的自适应退出可逆架构模型；获取目标降质图像，将所述降质图像输入训练好的所述自适应退出可逆架构模型进行图像盲去模糊处理，获得目标清晰图像。本发明能够对降质图像的去模糊难易度进行预测，有效地将降质图像恢复为更加清晰的图像的同时避免过多的计算消耗。

公开(公告)号：CN116468746B

公开(公告)日：2023-12-26

申请号：CN202310309000.9

申请日：2023-03-27

Applicant: 华东师范大学

Inventor： 王妍 ,  白云昊 ,  李庆利

IPC: G06T7/12 ,  G06T7/11 ,  G06V10/26 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/096 ,  G06N3/0895

Abstract: 本发明公开了一种双向复制粘贴的半监督医学图像分割方法，包括首先仅使用标记数据来预训练一个分割网络，然后教师网络使用预训练网络参数进行初始化来给未标记数据产生伪标签。将两组标记数据‑未标记数据对在两个方向上进行复制粘贴，得到的新图像输入到学生网络中进行预测，学生网络预测的监督信号由伪标签和真实标签以相同的复制粘贴形式组成，给予伪标签监督部分一个系数来控制伪标签的监督作用。本发明方法简单便于实施，并且能够减小网络对标记数据和未标记数据之间的经验分布差距，同时也显著提高了分割准确率。

公开(公告)号：CN116740117A

公开(公告)日：2023-09-12

申请号：CN202310686511.2

申请日：2023-06-09

Applicant: 华东师范大学

Inventor： 李庆利 ,  周惠惠 ,  王妍

IPC: G06T7/136 ,  G06N3/0455 ,  G06N3/088

Abstract: 本发明公开了一种基于无监督域适应的胃癌病理图像分割方法，包括以下步骤：获取胃癌病理的源域图像和目标域图像,并构建源域图像数据集和目标域图像数据集；对所述源域图像数据集进行判断，并基于所述源域图像数据集进行预训练，获取分割网络的预训练模型；基于所述分割网络的预训练模型构建第二mean‑teacher训练模型，实现基于所述第二mean‑teacher训练模型的无监督域适应分割训练，获取训练好的分割网络模型；采用所述训练好的分割网络模型对所述目标域图像进行预测，获取所述目标域图像数据集的像素级标注，实现基于无监督域适应的胃癌病理图像分割。

公开(公告)号：CN116469099A

公开(公告)日：2023-07-21

申请号：CN202310444636.4

申请日：2023-04-24

Applicant: 华东师范大学

Inventor： 王妍 ,  谢星然 ,  李庆利

IPC: G06V20/69 ,  G06V10/764 ,  G06V10/40 ,  G06V10/58 ,  G06V10/26 ,  G06V10/82 ,  G06V10/766 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/0895

Abstract: 本发明公开了一种基于自监督光谱回归的显微高光谱图像判断方法及框架，包括：获取高光谱图像，对所述高光谱图像进行处理，获得处理光谱图像；基于深度可分离编码器对所述处理光谱提箱进行图像特征提取，获得提取图像；对所述深度可分离编码器进行预训练，获得特征提取主干网络；基于所述特征提取主干网络对所述高光谱图像进行编码后进行处理，获得数据类别；对所述提取图像中的分割掩码进行处理，获得最终数据区域。本发明将高光谱图像的先验特性融合到了深度学习算法之中，并结合下游任务的特点，针对性地设计了两种识别算法，不仅在性能指标上优于传统基于自然图像的深度学习模型，同时拥有较强的泛化能力，在医学领域具有较高的应用潜力。

公开(公告)号：CN114967093B

公开(公告)日：2023-05-12

申请号：CN202210687806.7

申请日：2022-06-16

Applicant: 华东师范大学

Inventor： 李庆利 ,  孙星宇 ,  王妍

IPC: G02B21/00 ,  G02B21/24 ,  G02B21/36 ,  G06T5/50

Abstract: 本发明公开一种基于显微高光谱图像的自动对焦方法及系统，方法包括：获取降采样图像；基于降采样图像，获取视场清晰度，并对视场清晰度进行判断，基于判断结果，获取图像序列，基于图像序列，获取正向差值数列及反向差值数列，基于正向差值数列及反向差值数列，得到最清晰图像位置。通过上述技术方案，能够提高获取高光谱图像的准确性与实时性，并能够获取定位物体的最佳聚焦位置。

公开(公告)号：CN115082529B

公开(公告)日：2023-04-14

申请号：CN202210756877.8

申请日：2022-06-30

Applicant: 华东师范大学

Inventor： 李庆利 ,  梁乐华 ,  王妍

IPC: G06T7/30 ,  G06V10/56 ,  G06T3/40 ,  G06V40/10 ,  G06T17/00 ,  G16H50/20 ,  G01D21/02

Abstract: 本发明公开了一种大体组织多维信息采集分析系统与方法，其中采集分析系统包括：采集设备端、嵌入式开发平台、移动用户端、PC用户端；采集设备端包括压力传感器、刻度尺、标准比色卡、可升降支架、电动相机滑轨、彩色相机及深度相机；嵌入式开发平台设置有硬件接口模块GPU处理器及显示器；采集分析方法包括：放置大体组织以及相应的编号二维码；识别手势信息，采集信号；采集重量和彩色图像，控制深度相机位置，获取深度图像和点云信息；对彩色图像中的二维码解码，获取组织编号；分析多维信息，生成大体报告，将彩色图像、三维模型以及大体报告传输至移动用户端或PC用户端，保存到指定位置。本发明可辅助医生进行大体诊断，减少人工投入。

公开(公告)号：CN115131317A

公开(公告)日：2022-09-30

申请号：CN202210752986.2

申请日：2022-06-28

Applicant: 华东师范大学

Inventor： 李庆利 ,  张颖 ,  王妍

IPC: G06T7/00 ,  G06T5/50 ,  G06V10/77 ,  G06V10/764 ,  G06V10/82 ,  A61B5/00

Abstract: 本发明公开了一种基于双模态图像的胃癌癌前病变分析系统，包括：图像获取模块，用于获取胃癌癌前病变的双模态图像，其中双模态图像包括：高光谱图像和三色原图像；数据获取模块，用于对高光谱图像进行波段选择，得到高光谱实验数据；模型构建模块，基于高光谱实验数据，构建自监督分类模型；联合网格构建模块，基于双模态图像及自监督分类模型，构建双模态联合网络；通过双模态联合网络对胃癌癌前病变区域进行分析，得到分析结果。本发明能够进行两种模态数据学习之间的交流与融合，增强胃癌癌前病变数据集分类任务的准确性。

公开(公告)号：CN114897741A

公开(公告)日：2022-08-12

申请号：CN202210645790.3

申请日：2022-06-09

Applicant: 华东师范大学

Inventor： 李庆利 ,  毛欣天 ,  王妍

IPC: G06T5/00 ,  G06T5/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度残差傅里叶变换的图像盲去模糊方法，包括以下步骤：获取图像去模糊数据集，对图像去模糊数据集进行预处理，获得图像去模糊数据集的训练集；基于训练集中的模糊图像、清晰图像，对初始深度残差傅里叶变换网络进行训练，获得目标深度残差傅里叶变换网络；将待测模糊图像输入到目标深度残差傅里叶变换网络中进行图像盲去模糊处理，获得目标清晰图像。本发明结合了特征图像的频域信息与空间信息，能够通过特征的频域信息有效地帮助卷积神经网路将模糊图像恢复为更加清晰的图像。

公开(公告)号：CN117911245B

公开(公告)日：2024-09-03

申请号：CN202410219566.7

申请日：2024-02-28

Applicant: 华东师范大学

Inventor： 李庆利 ,  刘琦铮 ,  王妍

IPC: G06T3/4038 ,  G06T5/50 ,  G06F17/16

Abstract: 本发明公开了一种基于显微高光谱成像平台的大区域数据立方体采集方法，包括：选取图像采集区域和空白图像区域；基于所述图像采集区域和空白图像区域生成采集任务序列；基于所述采集任务序列对所述显微高光谱成像平台进行数据采集控制，获得显微高光谱图像；基于深度优先算法对所述显微高光谱图像进行拼接，生成融合显微高光谱图像；基于所述融合显微高光谱图像生成大区域数据立方体。本发明利用高光谱图像在空间信息的冗余度以及图像拍摄时的位置信息，共同提高了转换矩阵的准确性与图像拼合的鲁棒性，有效提高了拼合图像的质量，为医学的诊断提供了有力的支持。

公开(公告)号：CN118072014A

公开(公告)日：2024-05-24

申请号：CN202410197760.X

申请日：2024-02-22

Applicant: 华东师范大学

Inventor： 王妍 ,  贠博祥 ,  李庆利

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于知识去偏的多模态医学图像分割方法和系统，方法包括：获取CT影像与对应的掩膜标注对，作为训练集和内部测试集，将收集的中心数据作为外部测试集；将内部测试集和外部测试集输入到预测网络进行目标语义掩膜预测，获取分割后的图像；其中，预测网络通过训练集经过基于知识去偏的多模态医学图像分割网络进行语义掩膜预测训练获得，训练集中对标准掩膜进行标注。本发明结合了医学领域的图像信息与文本信息，能够通过医学先验知识与去除知识偏置的角度出发，并在保留文本信息的同时有效地去除知识偏置的负面影响，从而实现分割性能和鲁棒性的提升。