-
公开(公告)号：CN118096789A
公开(公告)日：2024-05-28
申请号：CN202311707531.X
申请日：2023-12-13
Applicant: 厦门大学
IPC: G06T7/11 , G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于主动梯度引导与幅值补全的人脑基底节影像分割方法，包括以下步骤：构建基于主动梯度引导与幅值补全的分割网络；构建损失函数，基于损失函数训练分割网络；使用训练好的分割网络进行人脑基底节影像分割。本发明以幅值图和磁化率图作为双路输入，能够补全从相位图重建磁化率图的后处理流程中幅值信息的丢失，减少了最终分割结果受残留伪影的影响；通过建立主动梯度引导机制，利用分割支路与梯度引导支路的双分支架构，能够充分利用输入数据的层间上下文信息作为梯度引导来使得模型主动关注感兴趣区域在层间的关联性，在不过多增加网络参数的前提下提升了模型在感兴趣区域轮廓处的分割效果。
-
公开(公告)号：CN116030152A
公开(公告)日：2023-04-28
申请号：CN202310065228.8
申请日：2023-01-13
Applicant: 厦门大学
Abstract: 本发明公开了一种基于多源信息融合网络的磁化率图像重建方法及系统，构建多源信息融合网络，多源信息融合网络包括特征编码模块、特征解码模块、特征交叉融合模块和卷积调制模块；获取场图，将场图输入特征编码模块提取得到第一特征图和第二特征图；将第一特征图输入特征解码模块，输出得到场图潜码；获取幅值图，将第二特征图和幅值图输入特征交叉融合模块进行交叉融合，得到交叉融合特征图；获取磁化率预估计结果，将场图潜码、交叉融合特征图和磁化率预估计结果输入卷积调制模块，输出得到磁化率图像。采用多源信息的融合，能够实现组织器官定量磁化率图的智能化精准重建，为临床医学量化评估组织器官的磁化率提供可靠的量化信息依据。
-
公开(公告)号：CN111595737B
公开(公告)日：2021-03-23
申请号：CN202010414742.4
申请日：2020-05-15
Applicant: 厦门大学
Abstract: 一种基于三维分支网络的光学全息粒子场颗粒点检测方法。网络分为主网络和辅助网络，结构包括用于学习数据特征的编码器和用于对特征进行重组的解码器。卷积层采用三种不同尺寸的三维卷积核并行计算，以适应不同尺寸的颗粒点。主网络结合残差网络构建深度卷积神经网络；辅助网络共享主网络部分特征图，拥有更小的网络深度。主网络和辅助网络使用不同数据分步训练，使其可以分别处理不同特征的颗粒点。本发明通过三维分支卷积网络，在全息粒子场数据质量较差时，也能完成对颗粒点的检测和分割，确定其空间坐标和聚焦层，并同时得到颗粒点形状尺寸等信息。
-
公开(公告)号：CN111487573A
公开(公告)日：2020-08-04
申请号：CN202010420669.1
申请日：2020-05-18
Applicant: 厦门大学
Abstract: 一种用于磁共振欠采样成像的强化型残差级联网络模型。本发明提供一种强化型残差级联网络模型，网络以密集连接的递归单元作为记忆模块，用于学习底层特征信息，再在记忆模块间以密集连接作为长记忆连接，用于学习高层特征信息。这种局部密集连接与全局密集连接的级联方法，比单纯的网络级联能更好地学习多层次的特征信息，并搭建更深度的网络结构。结合残差网络和密集连接方式构建级联型深度神经网络，为更深度神经网络的训练提供更好的稳定性，提升网络性能。此外，本发明的网络中加入数据一致性模块和高频特征引导模块进行强化，可进一步提高重建结果的置信度，以及纹理细节特征的重建效果。
-
公开(公告)号：CN108460726A
公开(公告)日：2018-08-28
申请号：CN201810251558.5
申请日：2018-03-26
Applicant: 厦门大学
Abstract: 本发明涉及一种基于增强递归残差网络的磁共振图像超分辨重建方法，增强递归残差网络由上采样子网络、预测子网络和重建子网络组成；采用深度卷积神经网络，借鉴残差网络和递归学习的优异表现，以反复递归的残差模块为基本单元，在残差模块之间进行紧密跨连接，利用图像高频特性引导，构造增强递归残差网络，采用高分辨率图像及其对应高频特性对各层残差模块的超分辨重建进行多层监督，以实现用少量参数的卷积网络获得最优的磁共振超分辨重建效果，并在训练过程中监督重建结果，以实现用更少的参数重建出更好的高分辨率磁共振图像。
-
Patent Agency Ranking
公开(公告)号：CN116188610A
公开(公告)日：2023-05-30
申请号：CN202310064097.1
申请日：2023-01-13
Applicant: 厦门大学
Abstract: 本发明公开了一种基于双向学习三维网络的多任务相位预处理方法及系统，该方法能够对原始相位图进行集成相位解缠绕和去除背景场的一站式处理。双向学习三维网络由进化分支和退化分支组成。进化分支以局部场图为训练标签，用于学习相位图与场图的映射关系。退化分支以相位的缠绕图和背景场图作为训练标签，旨在学习相位图的降质过程。采用退化分支估计的缠绕数和背景场，从原始相位反演出第二局部场图；将其与进化分支预测的第一局部场图相融合，实现基于双向学习的相位预处理。通过引入幅值信息校验，提高网络对相位数据中伪影和扰动的抑制能力。本发明在缠绕分布复杂、背景不均匀、信号波动大、病灶严重等区域，能够表现出更准确可靠的处理效果。
-
公开(公告)号：CN111899165A
公开(公告)日：2020-11-06
申请号：CN202010548135.7
申请日：2020-06-16
Applicant: 厦门大学
Abstract: 本发明涉及一种基于功能模块的多任务图像重建卷积网络模型，包括嵌入子网络、推理子网络和重建子网络。利用残差网络和递归学习的优异性能，设计递归残差模块为基本单元，采取多层监督策略，构造出性能良好的深度卷积神经网络；通过添加面向应用的功能模块：成像原理自适应的误差纠正模块、高频特征引导模块和改进的密集连接方式，进一步增强网络的性能。设计出性能良好的网络模型，适用于压缩感知成像并且可以扩展应用于超分辨率成像，能够实现低质量磁共振图像的有效高质量重建，获得更准确的图像结构信息和纹理细节，同时兼顾网络深度，减少网络参数与计算量，具有防止过拟合、节省存储空间，保证网络泛化能力等优点。
-
公开(公告)号：CN108523890B
公开(公告)日：2020-07-31
申请号：CN201810183040.2
申请日：2018-03-06
Applicant: 厦门大学
IPC: A61B5/055
Abstract: 基于磁共振偶极场空间分布的局部场估计方法，涉及核磁共振定量磁化率成像。基于相位图的缠绕数；基于由相位图的幅值、梯度和缠绕数调制的高斯卷积核标准差σ(r)；基于空间信息将感兴趣区域划分为高磁化率变化区域和均匀磁化率区域；利用相位图的空间信息，即引入了相位图的幅值、梯度和归缠绕数逐个体素地调制高斯卷积核的标准差，进而其球心点及其他点的权重，该方法能够有效地去除强磁化率区域在不同成像方向下的背景场并准确地估算了局部场，同时保留了脑组织的完整性，其效果明显优于现有的方法。
-
公开(公告)号：CN107146235B
公开(公告)日：2019-09-06
申请号：CN201710300868.7
申请日：2017-05-02
Applicant: 厦门大学
IPC: G06T7/194
Abstract: 一种基于自适应卷积核的磁共振相位图的背景场去除方法，利用水平集函数创建解缠绕相位图的能量泛函；根据求解得到的相位水平集能量提取出磁化率区域变化的显著度，并逐个体素的创建自适应高斯卷积核；采用自适应高斯卷积核去除背景场。本方法能够有效解决在空气‑组织交界面处因强磁化率变化引起的场分布不均匀问题，实现准确去除背景场的同时保证人体组织的完整性，为研究应用和临床诊断提供高质量的相位信息和局部场图。
-
公开(公告)号：CN109951948A
公开(公告)日：2019-06-28
申请号：CN201910217412.3
申请日：2019-03-21
Applicant: 厦门大学
IPC: H05K1/02
Abstract: 本发明提供了一种板级安规绝缘方案，包括PCB板，所述PCB板上设置有一次侧高压电路功能模块、安全特低电压电路功能模块及接地系统；所述接地系统设置于所述一次侧高压电路功能模块与安全特低电压电路功能模块之间；所述一次侧高压电路功能模块与安全特低电压电路功能模块之间设置为加强绝缘处理，所述一次侧高压电路功能模块与接地系统之间做基本绝缘处理，所述安全特低电压电路功能模块与接地系统之间做功能绝缘处理。应用本技术方案可实现给电路组件提供一个良好的安规绝缘距离效果。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.018 seconds)
