-
公开(公告)号：CN117522893A
公开(公告)日：2024-02-06
申请号：CN202311535316.6
申请日：2023-11-16
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于水平集的分段区域原型校正的网络分割方法。本方法涉及深度学习和医学图像处理领域，提出了一种新的具有可学习和无监督机制的水平集损失函数与嵌套分割网络。所述嵌套分割网络是一种基于多嵌套的编码解码结构；本发明所提出的分段区域原型校正方法首先从嵌套分割网络中提取最后一层的特征作为输入，通过辅助的无监督水平集损失对区域原型进行修正，然后利用监督水平集损失对预训练的模型进行精度增强。水平集损失有助于对模型产生可靠的引导，增强了视网膜血管边缘分割的连续性。本发明针对眼底图像血管分割网络提出了新的模型精度增强方法，解决了由于目标的边缘较弱、较模糊，以及背景视杯与视盘的干扰，基于深度神经网络的方法在保留边缘连续的同时，难以对语义提取的特征进行判别的问题，实现了对眼底血管细小边缘的连续预测，提升了分割精度。在公共视网膜血管数据集上的定量和定性实验结果表明，与其他分割模型相比，该方法具有一定的先进性。
-
公开(公告)号：CN119048535A
公开(公告)日：2024-11-29
申请号：CN202411169461.1
申请日：2024-08-24
Applicant: 哈尔滨理工大学
IPC: G06T7/11 , G06T7/136 , G06T7/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于横切面和大核分组注意力机制的2.5D肝脏及肿瘤分割方法，本方法涉及深度学习和医学图像处理领域，包括：数据处理与制作和分割预测可视化网络。所述数据首先将公开的3D腹部医学数据集进行阈值截取和归一化操作，然后确定包含病灶的切片，将不包含肝脏和肿瘤的切片去除，再将切片进行标准化裁剪，将三张连续的切片叠加在一起，处理掩膜切片，将原始图像和掩膜处理为.npy格式的数据集。将2.5D图像载入分割模型进行训练，训练完成后生成适合肝脏肿瘤分割的最优权重，用来肝脏和肿瘤的专项分割。本发明针对肝脏和肿瘤的分割提出的横切面和大核分组注意力网络，解决了由于肝脏及肿瘤的复杂性，导致肝脏与肝脏肿瘤的分割容易受其他部位如肾脏等因素的干扰的问题，提出的多尺度卷积模块，解决了一般网络无法捕捉肝脏和肿瘤的全局和局部信息，提升分割效率并提高分割精度，针对相比于现有网络，具有一定的先进性。
-
公开(公告)号：CN116503422A
公开(公告)日：2023-07-28
申请号：CN202310432609.5
申请日：2023-04-21
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于空间通道注意力机制与多尺度特征融合的眼底图像视杯视盘分割方法，本方法涉及深度学习和医学图像处理领域，包括：定位网络和分割网络。整体流程图如图1所示。所述定位网络首先对数据集中的原始眼底图像进行视盘定位裁剪；对裁剪图进行预处理和数据增强；分割网络使用基于编码解码结构构建多尺度密集网络模型将数据增强后的眼底图像数据导入眼底图像分割模型中进行训练，获取训练完成的权重，进一步对眼底图像进行分割，最终获取到分割结果。本发明针对眼底图像视杯视盘分割提出的新的递归神经网络结构，解决了由于眼底影像的复杂性，导致视杯与视盘的分割容易受其他部位如血管等因素的干扰，从而使分割的视杯视盘边缘模糊的问题，提升了分割精度。相比于现存算法，具有一定的先进性。
-
公开(公告)号：CN220416659U
公开(公告)日：2024-01-30
申请号：CN202320121231.2
申请日：2023-01-17
Applicant: 哈尔滨理工大学威海研究院
Abstract: 本实用新型涉及一种升降平台，包括底座，所述底座上滑动设有滑动座，所述滑动座顶部左侧铰接有第一电动伸缩杆，所述第一电动伸缩杆与滑动座右侧通过第二电动伸缩杆连接，所述第一电动伸缩杆顶端设有放置座，且放置座上设有摄影机，所述放置座底部设有转动环，所述第一电动伸缩杆上固定安装有转动电机，且转动电机与转动环传动连接，所述转动环一侧与放置座底部通过第三电动伸缩杆连接，在使用时，让摄影师在底座旁边进行操作，让升降位置处于底座中心，增加其稳定性，并通过转动电机带动转动环转动，通过第三电动伸缩杆调节放置座的倾斜角度，从而实现摄影机上下角度的调节，使得拍摄的方位更加全面，提高图像拍摄的效果。
-
-
-
Search Results
4
records
(took 0.02 seconds)
