-
公开(公告)号：CN116681780A
公开(公告)日：2023-09-01
申请号：CN202310329038.2
申请日：2023-03-30
Applicant: 南昌大学
Abstract: 本发明公开了一种基于可变分自编码器的牙齿比色方法、设备、介质和程序，方法包括：根据牙齿的口扫仪图像，分割出上颌牙齿图像和下颌牙齿图像；将口扫仪图像中单颗牙齿的RGB颜色空间转换为HSV颜色空间和Lab颜色空间；合并RGB颜色空间、HSV颜色空间和Lab颜色空间，获得单颗牙齿的颜色特征；基于单颗牙齿的颜色特征，自编码器模型生成上颌和下颌所有牙齿的颜色信息；将上颌和下颌所有牙齿的颜色信息映射于口扫仪图像，生成牙齿真实图像。能够获得自动化、精细化、准确的牙齿比色结果。
-
公开(公告)号：CN117557516A
公开(公告)日：2024-02-13
申请号：CN202311479459.X
申请日：2023-11-08
Applicant: 南昌大学
IPC: G06T7/00 , G06V20/69 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/44 , G06V10/80
Abstract: 本发明提供了一种基于YOLOX目标检测算法的恶性疟原虫环状体检测方法，步骤S1，获取恶性疟原虫切片数据，利用电子显微镜拍摄薄外周血涂片，获得恶性疟原虫图像原始数据集；步骤S2，数据标注，对图像中环状体时期的恶性疟原虫进行标注，获得恶性疟原虫环状体切片数据集，将数据集分为训练集和验证集；步骤S3，输入图像到YOLOX网络，利用训练集进行特征学习，验证集验证模型的精度，获得训练好的检测模型；步骤S4，利用训练好的检测模型进行恶性疟原虫环状体检测。本发明在接近临床实际的疟原虫图像上，有效地避免了噪点的干扰，准确定位和分类恶性疟原虫的位置和所处生命周期，既能够精准检测疟原虫，在不同数据集也具有一定的泛化能力。
-
公开(公告)号：CN117557515A
公开(公告)日：2024-02-13
申请号：CN202311479223.6
申请日：2023-11-08
Applicant: 南昌大学
IPC: G06T7/00 , G06V20/69 , G06V20/70 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0985 , G06N3/084
Abstract: 本发明提供了一种基于Faster RCNN目标检测算法的恶性疟原虫环状体检测方法，步骤S1，获取恶性疟原虫切片数据，利用电子显微镜拍摄薄外周血涂片，获得恶性疟原虫图像原始数据集；步骤S2，数据标注，对图像中环状体时期的恶性疟原虫进行标注，获得恶性疟原虫环状体切片数据集，将数据集分为训练集和验证集；步骤S3，导入残差网络预训练权重，训练RPN网络和Fast RCNN网络，利用训练集进行特征学习，验证集验证模型的精度，获得训练好的检测模型；步骤S4，利用训练好的检测模型进行恶性疟原虫环状体检测。本发明能够在接近临床实际意义的疟原虫图像上达到较好的检测精度，能够在血涂片图像中其他因素干扰的情况下，精确地对小目标获取位置和类别信息。
-
公开(公告)号：CN116485744A
公开(公告)日：2023-07-25
申请号：CN202310424312.4
申请日：2023-04-19
Applicant: 南昌大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种基于深度学习的种植体识别方法、设备、介质和程序产品，应用于一基于深度学习的种植体识别系统，基于深度学习的种植体识别系统具有最佳种植体识别模型，该方法包括：获得一口腔种植体的CBCT图片；基于CBCT图片，经过最佳种植体识别模型推理，识别CBCT图片的口腔种植体信息。本申请可自动识别口腔种植体信息，无需依赖经验丰富的口腔专家。本申请充分利用CBCT图片三维影像优势，尽可能全面准确识别种植体形状及细节，获取种植体信息，从而提高利用深度学习识别口腔种植体的准确性，提高实用性。
-
-
-
Search Results
4
records
(took 0.016 seconds)
