-
公开(公告)号：CN114022527B
公开(公告)日：2024-09-20
申请号：CN202111221629.5
申请日：2021-10-20
申请人： 华中科技大学 , 武汉联影智融医疗科技有限公司
摘要： 本发明公开了一种基于无监督学习的单目内窥镜深度及位姿估计方法及装置，属于计算机视觉的三维重建技术领域，本发明首先得到深度估计网络输出的深度估计、位姿估计网络输出的相机位姿估计以及待测图像前后的相邻帧，然后通过视图合成得到目标图像；再根据目标图像与待测图像的损失函数，训练深度估计网络和位姿估计网络，从而实现单目内窥镜深度及位姿估计。如此，本发明将无监督深度学习的方法应用于单目内窥镜图像的三维重建，在推理时实现实时处理。同时，本发明使用光度重建损失、块间匹配相似性和平滑性损失三项误差函数，提升网络应对内窥镜图像的光照、纹理、遮挡等问题的鲁棒性。
-
公开(公告)号：CN118537673A
公开(公告)日：2024-08-23
申请号：CN202410476118.5
申请日：2024-04-19
申请人： 华中科技大学 , 武汉联影智融医疗科技有限公司
IPC分类号： G06V10/774 , G06V10/26 , G06V10/82 , G06T7/10 , G06T7/33 , G06N3/0895
摘要： 本发明公开了使用单张图谱图像训练脑组织分割模型的方法及其应用，属于医学图像分割领域，方法包括：基于配准‑分割双模型迭代学习训练分割网络时，利用配准网络预测图谱图像Ia和无标签图像Iu之间的偏移场φ，并按照φ将图谱图像Ia及其标签Sa分别执行形变操作，得到形变图谱图像#imgabs0#和形变图谱标签#imgabs1#计算配准置信度图C，用于表示#imgabs2#和Iu在各像素处的对齐程度；按照C对#imgabs3#中与Iu对齐程度不同的区域分别执行IST风格转换后拼接，得到风格转换图像#imgabs4#对齐程度越高的区域风格转换系数越高；以#imgabs5#为监督信息，以Iu和#imgabs6#为输入，对分割网络进行训练，针对前者训练损失为置信度引导的损失。本发明能够在仅存在单张图谱图像的情况下提高脑组织分割的性能。
-
公开(公告)号：CN118430830A
公开(公告)日：2024-08-02
申请号：CN202410513730.5
申请日：2024-04-26
申请人： 华中科技大学 , 武汉联影智融医疗科技有限公司
IPC分类号： G16H50/70 , G16H50/30 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/084 , A61B5/145 , A61B5/00
摘要： 本发明公开了一种血糖预测模型的构建方法、血糖预测方法及系统，属于血糖生理信号分析技术领域。本发明搭建了一个包含编码器、预测器和解码器的血糖预测模型，通过编码器分别提取了TL时间段下的血糖值序列、血糖动力学变量序列以及时间序列的特征，然后采用预测器聚合编码器所提取的各特征，来估计TN‑L时间段下的血糖隐变量序列，最后解码得到TN‑L时间段下的血糖值序列；本发明能够更好地从血糖动力学的角度建模各个动力学变量对于血糖的影响，充分学习有效的时序信息，得到具有更高复杂性和表现形式的隐藏特征，从而准确地拟合了复杂的人体血糖的变化情况，普适性更强，血糖预测的准确性也更高。
-
公开(公告)号：CN113496495B
公开(公告)日：2022-04-26
申请号：CN202110712879.2
申请日：2021-06-25
申请人： 华中科技大学 , 武汉联影智融医疗科技有限公司
摘要： 本发明公开了一种可缺失输入的医学图像分割模型建立方法及分割方法，属于医学图像分割领域，模型包括：N个编码器，用于提取N个不同模态图像的多等级特征；图像风格转换模块，以各模态最底层特征为输入，用于在模态缺失时通过特征域风格转换将其余特征转换为缺失模态特征，得到模态特征G1～GN，并融合为融合特征Gf；N+1个解码器，一个为分割解码器，以Gf为输入，其余解码器分别以G1～GN为输入，生成各模态的结构图像；特征融合模块，用于将各编码器对应层提取的特征拼接后输入至分割解码器的对应层；利用训练数据集训练模型后，去掉用于生成结构图像的N个解码器，得到可缺失输入的医学图像分割模型。本发明对缺失模态具有鲁棒性，提高了模型通用性。
-
公开(公告)号：CN114022527A
公开(公告)日：2022-02-08
申请号：CN202111221629.5
申请日：2021-10-20
申请人： 华中科技大学 , 武汉联影智融医疗科技有限公司
摘要： 本发明公开了一种基于无监督学习的单目内窥镜深度及位姿估计方法及装置，属于计算机视觉的三维重建技术领域，本发明首先得到深度估计网络输出的深度估计、位姿估计网络输出的相机位姿估计以及待测图像前后的相邻帧，然后通过视图合成得到目标图像；再根据目标图像与待测图像的损失函数，训练深度估计网络和位姿估计网络，从而实现单目内窥镜深度及位姿估计。如此，本发明将无监督深度学习的方法应用于单目内窥镜图像的三维重建，在推理时实现实时处理。同时，本发明使用光度重建损失、块间匹配相似性和平滑性损失三项误差函数，提升网络应对内窥镜图像的光照、纹理、遮挡等问题的鲁棒性。
-
公开(公告)号：CN113435573B
公开(公告)日：2022-04-29
申请号：CN202110630910.8
申请日：2021-06-07
申请人： 华中科技大学 , 武汉联影智融医疗科技有限公司
摘要： 本发明公开了一种内窥镜图像的视差预测模型建立方法及深度估计方法，属于图像处理领域，包括：建立视差预测网络DEnet，其以双目图像为输入，用于预测对应的左目图像视差图；利用已标注的第一训练数据集对DEnet进行预训练；以预训练后的DEnet为生成器建立生成对抗网络，其中的判别器输入为左目图像及其视差图，视差图由标注得到或生成器预测得到，判别器用于判断输入视差图的来源；利用部分标注的第二训练数据集对生成对抗网络进行训练后，将生成器记为Teacher模型；以预训练后的DEnet为Student模型，利用Teacher模型为第二训练数据集中未标注的样本标注伪标签后对Student模型进行训练，将训练后的Student模型或者Teacher模型作为视差预测模型。本发明能够有效提高内窥镜图像深度估计的精度。
-
公开(公告)号：CN113591867A
公开(公告)日：2021-11-02
申请号：CN202110869520.6
申请日：2021-07-30
申请人： 华中科技大学 , 武汉联影智融医疗科技有限公司
摘要： 本发明公开了一种无监督领域自适应图像分割方法及其系统，该方法包括：根据源域数据中带分割标签的图像训练分割模型和生成模型；将目标域数据中不带分割标签的图像输入分割模型，得到对应的分割预测标签；将目标域数据和对应的分割预测标签输入生成模型，得到匹配的参考图像和分割参考标签；将与分割参考标签重叠率符合预设值的分割预测标签作为准分割标签，根据准分割标签和对应的目标域数据再次训练分割模型并重新确定准分割标签，直至分割模型的分割精度满足预设条件时结束训练。本发明是结合源域数据中带标签的图像和目标域数据中不带标签的图像共同训练分割模型，降低训练分割模型对带标签图案的数量要求，使得该方法能够广泛应用。
-
公开(公告)号：CN118505803A
公开(公告)日：2024-08-16
申请号：CN202410673417.8
申请日：2024-05-28
申请人： 华中科技大学 , 武汉联影智融医疗科技有限公司
IPC分类号： G06T7/73 , G06T7/00 , G06V10/42 , G06V10/44 , G06V10/52 , G06N3/0455 , G06N3/0985 , G06N3/0464
摘要： 本发明公开了一种脊柱关键点定位模型的构建方法及应用，属于图像处理技术领域；本发明构造了一种按照从根节点到椎体中心点到角点的顺序从粗到精进行关键点定位的模型，整个模型利用先验收集的平均关键点信息保证了脊柱关键点定位结果的拓扑结构，同时关键点定位过程以点作为引导，先对齐一个根节点可以让整个脊柱的中心对齐，使得对各种情况的脊柱侧弯图像都能先对齐大概的中心点区域再进行进一步地角点定位，从而减小了某些侧弯情况下平均中心点位置偏移脊椎位置区域所产生的定位误差；与此同时，各定位模块均包括定位单元，而定位单元对特征图的插值可微使得对整个模型的端到端训练成为了可能，能够准确地对脊柱关键点进行定位。
-
公开(公告)号：CN118429313A
公开(公告)日：2024-08-02
申请号：CN202410583087.3
申请日：2024-05-11
申请人： 华中科技大学 , 武汉联影智融医疗科技有限公司
IPC分类号： G06T7/00 , G06T7/10 , G06T7/30 , G06N3/0464 , G06N3/09
摘要： 本发明公开了基于特征解耦的可缺失模态脑胶质瘤分割模型建立方法及脑胶质瘤分割方法，属于医学图像分割领域，所建立的模型包括特征解耦模块和特征补偿模块：特征解耦模块包括四个分支，对应四个模态；任意模态m对应的分支对模态m分别提取四组特征后，按通道拼接为特征Xm，并对其中各通道的注意力打分，按照得分从高到底对通道排序后与特征Xm相加，得到CSSA(Xm)，将特征CSSA(Xm)沿通道等分为四组特征，第一组特征为模态m的自特征，其余三组特征分别为模态m与其他三个模态的互特征；特征补偿模块，利用未缺失模态的自特征，以及未缺失模态与缺失模态的互特征构建全模态特征。本发明能够有效提高模态缺失情况下的脑胶质瘤分割性能。
-
公开(公告)号：CN113591867B
公开(公告)日：2024-02-06
申请号：CN202110869520.6
申请日：2021-07-30
申请人： 华中科技大学 , 武汉联影智融医疗科技有限公司
IPC分类号： G06V10/26 , G06V10/25 , G06V10/82 , G06N3/0464
摘要： 本发明公开了一种无监督领域自适应图像分割方法及其系统，该方法包括：根据源域数据中带分割标签的图像训练分割模型和生成模型；将目标域数据中不带分割标签的图像输入分割模型，得到对应的分割预测标签；将目标域数据和对应的分割预测标签输入生成模型，得到匹配的参考图像和分割参考标签；将与分割参考标签重叠率符合预设值的分割预测标签作为准分割标签，根据准分割标签和对应的目标域数据再次训练分割模型并重新确定准分割标签，直至分割模型的分割精度满足预设条件时结束训练。本发明是结合源域数据中带标签的图像和目标域数据中不带标签的图像共同训练分割模型，降低训练分割模型对带标签图案的数量要求，使得该方法能够广泛应用。
-
-
-
-
-
-
-
-
-
搜索结果
165 条记录 (耗时 0.152 秒)
