-
公开(公告)号：CN116152285B
公开(公告)日：2023-08-18
申请号：CN202310117871.0
申请日：2023-02-15
Applicant: 哈尔滨工业大学
Abstract: 基于深度学习和灰度信息的图像分割系统，具体涉及一种用于小样本核磁共振数据图像的基于深度学习和灰度信息的分割系统，为了解决核磁共振影像分割时要依赖大量的影像数据，泛化性能差，且在灰度分布不均匀的核磁共振影像中分割准确率较低，或存在分割不全以及分割目标不连续的问题，它包括编码模块、空间注意力模块、灰度校正模块、分割模块、损失模块，编码模块分别与空间注意力模块、灰度校正模块和分割模块连接，空间注意力模块与灰度校正模块连接，损失模块分别与灰度校正模块和分割模块连接。本发明采用了深度学习技术和灰度偏置校正，利用深度学习技术将灰度偏置校正与分割两个任务协同进行。属于医学图像分割领域。
-
公开(公告)号：CN110874860A
公开(公告)日：2020-03-10
申请号：CN201911151141.2
申请日：2019-11-21
Applicant: 哈尔滨工业大学
Abstract: 基于混合损失函数的对称监督模型的目标提取方法，本发明涉及目标提取方法。本发明的目的是为了解决现有左心房提取方法耗费大量人力物力、存在人为差异、效率低的问题。过程为：1、获取心脏核磁共振影像数据，并进行标注；2、对1获取的带标记的心脏核磁共振影像数据进行预处理；3、得到训练好的对称监督模型，保存训练好的对称监督模型；4、采用3训练好的对称监督模型对预处理后的心脏核磁共振影像数据进行预测，并输出每个像素判别为左心房的概率，设定一个概率阈值将结果二值化；5、根据2的逆操作将4获得的二值化切片结果重建到三维体数据，完成左心房的提取。本发明用于目标提取领域。
-
公开(公告)号：CN116152285A
公开(公告)日：2023-05-23
申请号：CN202310117871.0
申请日：2023-02-15
Applicant: 哈尔滨工业大学
Abstract: 基于深度学习和灰度信息的图像分割系统，具体涉及一种用于小样本核磁共振数据图像的基于深度学习和灰度信息的分割系统，为了解决核磁共振影像分割时要依赖大量的影像数据，泛化性能差，且在灰度分布不均匀的核磁共振影像中分割准确率较低，或存在分割不全以及分割目标不连续的问题，它包括编码模块、空间注意力模块、灰度校正模块、分割模块、损失模块，编码模块分别与空间注意力模块、灰度校正模块和分割模块连接，空间注意力模块与灰度校正模块连接，损失模块分别与灰度校正模块和分割模块连接。本发明采用了深度学习技术和灰度偏置校正，利用深度学习技术将灰度偏置校正与分割两个任务协同进行。属于医学图像分割领域。
-
公开(公告)号：CN110874860B
公开(公告)日：2023-04-25
申请号：CN201911151141.2
申请日：2019-11-21
Applicant: 哈尔滨工业大学
Abstract: 基于混合损失函数的对称监督模型的目标提取方法，本发明涉及目标提取方法。本发明的目的是为了解决现有左心房提取方法耗费大量人力物力、存在人为差异、效率低的问题。过程为：1、获取心脏核磁共振影像数据，并进行标注；2、对1获取的带标记的心脏核磁共振影像数据进行预处理；3、得到训练好的对称监督模型，保存训练好的对称监督模型；4、采用3训练好的对称监督模型对预处理后的心脏核磁共振影像数据进行预测，并输出每个像素判别为左心房的概率，设定一个概率阈值将结果二值化；5、根据2的逆操作将4获得的二值化切片结果重建到三维体数据，完成左心房的提取。本发明用于目标提取领域。
-
-
-
Search Results
4
records
(took 0.028 seconds)
