-
公开(公告)号：CN117974672B
公开(公告)日：2024-06-18
申请号：CN202410390772.4
申请日：2024-04-02
Applicant: 华侨大学
IPC: G06T7/00 , G06V10/20 , G06V10/42 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于全局信息的乳腺超声肿瘤病变区域检测方法及装置，涉及目标检测领域，包括：构建基于YOLOv5网络的乳腺超声肿瘤病变区域检测模型，构建高秩特征蒸馏模块和通道相关性关系蒸馏模块，将乳腺超声肿瘤病变区域检测模型的骨干网络的第三单元输出的低维图像特征和第四单元输出的高维图像特征均输入高秩特征蒸馏模块和通道相关性关系蒸馏模块，以构建高秩特征蒸馏损失函数和通道相关性蒸馏损失函数，并加入YOLOv5网络的损失函数中构建总损失函数，基于总损失函数训练得到经训练的乳腺超声肿瘤病变区域检测模型；将乳腺超声肿瘤灰度图像输入经训练的乳腺超声肿瘤病变区域检测模型，得到乳腺超声肿瘤病变区域，解决存在误检、漏检问题。
-
公开(公告)号：CN118505705A
公开(公告)日：2024-08-16
申请号：CN202410965009.X
申请日：2024-07-18
Applicant: 华侨大学
IPC: G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/096 , G06V10/25 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本发明公开了基于特征蒸馏的多尺度骨肉瘤CT图像病变区域检测方法，涉及医学图像技术领域，包括：获取数据集，构建并训练病变区域检测模型；利用训练好的病变区域检测模型实现多尺度骨肉瘤CT图像病变区域检测；所述病变区域检测模型包括Backbone部分、Neck部分和Head部分；Backbone部分包括特征提取模块、自蒸馏模块和通道相关性关系蒸馏模块，基于输入模型的CT图像输出多个维度的特征信息，基于多个维度的特征信息构建损失函数；Neck部分根据多个维度的特征信息输出多个维度的特征图；Head部分根据多个维度的特征图输出预测图像。本发明结合知识蒸馏和目标检测，提高了CT图像骨肉瘤检测的识别率和准确性。
-
公开(公告)号：CN118587217B
公开(公告)日：2025-01-07
申请号：CN202411071891.X
申请日：2024-08-06
Applicant: 华侨大学
IPC: G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/096 , G06V10/764 , G06V10/80
Abstract: 本发明公开了基于特征相关性的骨肉瘤CT图像病变区域检测方法及系统，涉及医学领域图像技术，方法包括：获取骨肉瘤CT图像并制作数据集；构建基于特征相关性的目标检测模型并利用数据集进行训练，利用训练好的目标检测模型实现骨肉瘤CT图像病变区域检测。所述目标检测模型为卷积神经网络，Backbone部分包括若干依次连接的交替模块，用于提取特征；Neck部分采用相互融合的FPN网络和PANET网络，接收Backbone部分的输出，输出多个维度特征图；Head部分接收Neck部分输出的多个维度特征图，输出基于全局信息的检测图像。本发明利用知识蒸馏和目标检测的结合，实现对骨肉瘤CT图像中存在误检漏检问题的优化，提高检测的识别率和准确性。
-
公开(公告)号：CN117974672A
公开(公告)日：2024-05-03
申请号：CN202410390772.4
申请日：2024-04-02
Applicant: 华侨大学
IPC: G06T7/00 , G06V10/20 , G06V10/42 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于全局信息的乳腺超声肿瘤病变区域检测方法及装置，涉及目标检测领域，包括：构建基于YOLOv5网络的乳腺超声肿瘤病变区域检测模型，构建高秩特征蒸馏模块和通道相关性关系蒸馏模块，将乳腺超声肿瘤病变区域检测模型的骨干网络的第三单元输出的低维图像特征和第四单元输出的高维图像特征均输入高秩特征蒸馏模块和通道相关性关系蒸馏模块，以构建高秩特征蒸馏损失函数和通道相关性蒸馏损失函数，并加入YOLOv5网络的损失函数中构建总损失函数，基于总损失函数训练得到经训练的乳腺超声肿瘤病变区域检测模型；将乳腺超声肿瘤灰度图像输入经训练的乳腺超声肿瘤病变区域检测模型，得到乳腺超声肿瘤病变区域，解决存在误检、漏检问题。
-
Patent Agency Ranking
公开(公告)号：CN119313887A
公开(公告)日：2025-01-14
申请号：CN202411847054.1
申请日：2024-12-16
Applicant: 华侨大学
IPC: G06V10/25 , G06V10/20 , G06V10/44 , G06V10/60 , G06V10/82 , G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/096 , G06N3/048
Abstract: 本发明公开了基于SCI的脊柱骨微创手术目标实时检测方法及装置，涉及图像处理领域，包括：S1，获取脊柱骨微创手术目标实时灰度图像，对灰度图像进行预处理并标注制作成数据集；S2，构建包括Backbone部分、自蒸馏部分、Neck部分和Head部分的目标检测模型；Backbone部分包括自校准光照增强操作；并基于GIoU损失构建模型的损失函数；S3，将数据集输入目标检测模型，获取自校准光照增强的脊柱骨微创手术目标实时检测的图像。本发明将自校准光照增强与知识蒸馏技术相结合，显著提升脊柱骨微创手术目标实时检测图像的质量；引入SE注意力机制和GIoU损失函数增强模型的特征提取能力和边界框调整精度，提高目标检测的识别率和准确性。
-
公开(公告)号：CN118587217A
公开(公告)日：2024-09-03
申请号：CN202411071891.X
申请日：2024-08-06
Applicant: 华侨大学
IPC: G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/096 , G06V10/764 , G06V10/80
Abstract: 本发明公开了基于特征相关性的骨肉瘤CT图像病变区域检测方法及系统，涉及医学领域图像技术，方法包括：获取骨肉瘤CT图像并制作数据集；构建基于特征相关性的目标检测模型并利用数据集进行训练，利用训练好的目标检测模型实现骨肉瘤CT图像病变区域检测。所述目标检测模型为卷积神经网络，Backbone部分包括若干依次连接的交替模块，用于提取特征；Neck部分采用相互融合的FPN网络和PANET网络，接收Backbone部分的输出，输出多个维度特征图；Head部分接收Neck部分输出的多个维度特征图，输出基于全局信息的检测图像。本发明利用知识蒸馏和目标检测的结合，实现对骨肉瘤CT图像中存在误检漏检问题的优化，提高检测的识别率和准确性。
-
公开(公告)号：CN119445677A
公开(公告)日：2025-02-14
申请号：CN202510047049.0
申请日：2025-01-13
Applicant: 华侨大学
IPC: G06V40/20 , G06N3/0464 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06V40/10 , A61F2/68 , A61B5/00 , A61B5/11
Abstract: 本发明公开了基于HigherHRNet的智能假肢控制与姿态检测方法及装置，涉及计算机视觉领域，方法包括：S1，获取包括二维假肢用户人体图像的数据集；S2，构建基于HigherHRNet的智能假肢控制与姿态检测高分辨率网络；S3，使用智能假肢控制与姿态检测高分辨率网络对数据集中的二维假肢用户人体图像进行处理，获得最终关键点热图。本发明的轻量级智能假肢控制与姿态检测高分辨率网络，引入了自蒸馏模块、通道相关性蒸馏模块、DSNT模块和反卷积模块，实现了人体姿态检测中的蒸馏网络学习和关键点的精确定位，对于单人姿态蒸馏和多人姿态识别都有着很好的识别准确率，在提高人体姿势识别准确率的同时具有较低的计算参数和运算次数。
-
公开(公告)号：CN119181425A
公开(公告)日：2024-12-24
申请号：CN202411252198.2
申请日：2024-09-09
Applicant: 华侨大学
Abstract: 本发明公开了一种基于熵权TOPSIS算法的农药靶蛋白筛查方法及装置，包括：获取待筛查的农药的化学结构特征并分别输入多个数据库，预测得到不同的数据库对应的农药‑蛋白质的亲和力值；对农药‑蛋白质中的蛋白质信息按照不同的数据库进行补全和统一，构建出农药‑蛋白质的亲和力矩阵并按照不同的数据库进行归一化处理，得到归一化后的农药‑蛋白质的亲和力矩阵；将归一化后的农药‑蛋白质的亲和力矩阵输入熵权TOPSIS算法，得到每个农药‑蛋白质的综合评价指数，基于农药‑蛋白质的综合评价指数筛选出候选靶蛋白，用于解决生态毒理学研究中农药靶点筛选的高成本问题。
-
公开(公告)号：CN118505705B
公开(公告)日：2024-11-29
申请号：CN202410965009.X
申请日：2024-07-18
Applicant: 华侨大学
IPC: G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/096 , G06V10/25 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本发明公开了基于特征蒸馏的多尺度骨肉瘤CT图像病变区域检测方法，涉及医学图像技术领域，包括：获取数据集，构建并训练病变区域检测模型；利用训练好的病变区域检测模型实现多尺度骨肉瘤CT图像病变区域检测；所述病变区域检测模型包括Backbone部分、Neck部分和Head部分；Backbone部分包括特征提取模块、自蒸馏模块和通道相关性关系蒸馏模块，基于输入模型的CT图像输出多个维度的特征信息，基于多个维度的特征信息构建损失函数；Neck部分根据多个维度的特征信息输出多个维度的特征图；Head部分根据多个维度的特征图输出预测图像。本发明结合知识蒸馏和目标检测，提高了CT图像骨肉瘤检测的识别率和准确性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
