公开(公告)号：CN114767163B

公开(公告)日：2024-06-25

申请号：CN202210267483.6

申请日：2022-03-17

Applicant: 复旦大学

Inventor： 李健 ,  颜波 ,  曹银银 ,  谭伟敏 ,  林青 ,  黄国英

IPC: A61B8/06

Abstract: 本发明公开了一种基于超声心动图的儿童先天性心脏病智能诊断系统。该系统包括用于自动预测患者是否有心脏缺损的超声心动视频关键帧选取模块，用于提供患者心脏缺损准确位置的先天性心脏缺陷定位检测模块，前者是基于ResNet设计的分类网络；后者是基于Faster‑RCNN设计的检测网络；以超声心动图的灰色和彩色超声图同时作为系统的输入；本发明还包括有5025名儿童的大规模超声心动图集，建立的基于超声心动图的深度学习模型，可以同时诊断常见的先天性心脏缺陷。实验结果表明，当输入单个超声心动图的标准切面时，在外部独立验证集上对三种常见先天性心脏病的诊断达到100%的敏感性和特异性。

公开(公告)号：CN111127308B

公开(公告)日：2023-06-30

申请号：CN201911254391.9

申请日：2019-12-08

Applicant: 复旦大学

Inventor： 颜波 ,  林青

IPC: G06T3/00 ,  G06V40/16 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于数字图像处理技术领域，具体为一种用于局部遮挡下单样本人脸识别的镜像特征重排修复方法。本发明针对人脸被部分遮挡的情况，构造深度神经网络作为图像生成器，引入全局‑局部判别器和人脸特征提取网络辅助图像生成器学习人脸修复任务，使得图像生成器可以产生自然的人脸图像；本发明步骤包括：从待修复图像中标记出局部遮挡区域；将输入图像和对应的遮挡区域标记共同载入生成器；通过编码器构建初步的人脸特征；将特征送入空间镜像变换器进行特征重排；将初步特征和镜像特征送入转换器和解码器，通过深度网络生成修复的人脸图像。实验结果表明，本发明可以生成自然的人脸，有效保持人物身份信息，提高部分遮挡下的单样本人脸识别率。

公开(公告)号：CN109919830B

公开(公告)日：2023-02-10

申请号：CN201910065383.3

申请日：2019-01-23

Applicant: 复旦大学

Inventor： 颜波 ,  林青 ,  巴合提亚尔·巴热 ,  谭伟敏

IPC: G06T3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于数字图像智能处理技术领域，具体为一种基于美学评价的带参考人眼图像修复方法。图像修复是指利用算法来替换已丢失或者损坏的图像数据。人眼图像修复主要用于拍照中的闭眼、斜眼等情况，以产生真实、自然、美观的新人眼。本发明方法包括：从待修复图像中标记出眼睛的位置；基于人眼美学评价和人脸结构相似性选择参考图；对参考图片提取眼部位置；将输入图像、参考图像和对应的眼部标记共同载入生成器，通过深度网络生成修复的人脸图像。在网络的训练中引入全局判别器、局部判别器和人脸语义解析网络来辅助生成器学习人眼修复任务。实验结果表明，本发明可以生成自然美观且与原面部相符的人眼，有效解决人眼修复问题。

公开(公告)号：CN112884777B

公开(公告)日：2022-04-12

申请号：CN202110090738.1

申请日：2021-01-22

Applicant: 复旦大学

Inventor： 钟芸诗 ,  颜波 ,  蔡世伦 ,  谭伟敏 ,  林青

IPC: G06T7/11 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于医学图像智能处理技术领域，具体为一种基于自采样相似的多模态协作食管癌病变图像分割系统。针对早期食管癌诊断，首先构建配对的白光图像和NBI数据集；所述分割系统包括特征提取编码器、自采样相似特征分离模块、特征融合解码器；以白光图像和NBI作为多模态输入，由两个编码器分别提取两种模态的特征；对于每一种模态，自采样相似特征分离模块将病变区域特征与正常区域给予有效区分；解码器在特征域完成多模态特征融合，最终输出两种模态图像的病变分割结果。实验结果表明，本发明可以合理融合不同模态的特征，显著区分病变区域与正常区域，实现病变区域的精准分割，提高临床诊断的效率。

公开(公告)号：CN112102256B

公开(公告)日：2022-04-12

申请号：CN202010853194.5

申请日：2020-08-22

Applicant: 复旦大学

Inventor： 钟芸诗 ,  颜波 ,  蔡世伦 ,  谭伟敏 ,  王沛晟 ,  林青

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62

Abstract: 本发明属于医学图像处理技术领域，具体为一种面向窄带内镜图像的早期食管鳞癌的癌灶检测及诊断系统。本发明系统包括特征提取骨干网络和特征金字塔、区域候选网络、兴趣区域池化与癌灶分类网络，以及在窄带成像内镜图像上进行可视化的系统。骨干网络用于提取输入图像的特征图；特征金字塔用于将不同尺度的特征相融合；区域候选网络提出可能的病灶区域；对兴趣区域池化将特征池化到可疑病灶区域；癌灶分类网络对癌灶进行分类；最后在窄带成像内镜图像上进行可视化，使用不同的颜色对癌灶进行框选标记。将窄带成像内镜的图像输入到网络模型中，对图像中存在的早期食管鳞癌的癌灶进行检测与诊断，可有效提升诊断效率，辅助医生获取更高的诊断精度。

公开(公告)号：CN115018767B

公开(公告)日：2025-05-06

申请号：CN202210477177.5

申请日：2022-05-03

Applicant: 复旦大学

Inventor： 颜波 ,  钟芸诗 ,  谭伟敏 ,  蔡世伦 ,  林青

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/0464 ,  G06N3/044 ,  G06N3/088 ,  G06N3/094 ,  G06V10/764 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明属于医学图像处理技术领域，具体为一种跨模态内镜图像转换及病灶区域分割方法。本发明通过构建的基于本征表示学习的神经网络，将消化道内窥镜白光图像转换成高质量的窄带图像；使用无监督训练的本质特征提取器获取白光图像的本质特征，通过空洞空间卷积池化金字塔网络进行病灶区域的预测，得到病灶区域的分割结果；测试时，待测白光图像只需要和一张辅助的窄带图像经过一次前向传播，即可获得白光图像对应的窄带图像。本方法采用无监督学习方式，拥有很好的泛化性，在不同内窥镜设备上效果优异。本发明能够为白光内窥镜设备提供额外的窄带成像，为医生诊断提供更好的参考，基于窄带图像辅助的病灶区域分割能够自动定位病灶区域，从而大大提高疾病诊断效率，降低发病率和死亡率。

公开(公告)号：CN115576327B

公开(公告)日：2024-12-24

申请号：CN202211398386.7

申请日：2022-11-09

Applicant: 复旦大学 ,  珠海复旦创新研究院

Inventor： 洪智铭 ,  林青 ,  刘璟 ,  张正泉 ,  杨晨浩 ,  王子乐 ,  韩宇轩 ,  代梦宇 ,  胡波

IPC: G05D1/43 ,  G05D1/243

Abstract: 本发明提供了一种基于自动驾驶智能小车边缘计算与推理的自主学习方法，具有这样的特征，包括以下步骤：步骤S1，通过设置在现实小车和车道上的多个传感器，实时获得现实小车和车道的传感器数据；步骤S2，对第一观测数据和第二观测数据进行轻量级压缩蒸馏构建仿真环境；步骤S3，基于类增量的最近均值分类器得到仿真环境中的变化事件；步骤S4，基于变化事件对虚拟小车进行训练，训练结果作为增量数据集；步骤S5，结合增量数据集基于迭代权重更新现实小车的决策模型；步骤S6，根据第一观测数据结合决策模型得到最优策略并控制现实小车执行。本方法能够很好地解决路况观测数据局限性和实时部署最优响应的问题，具有极大的应用前景。

公开(公告)号：CN114359082B

公开(公告)日：2023-01-06

申请号：CN202111600032.1

申请日：2021-12-24

Applicant: 复旦大学

Inventor： 颜波 ,  谭伟敏 ,  李吉春 ,  林青

IPC: G06T5/00 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于医疗图像处理技术领域，具体为一种基于自建数据对的胃镜图像去模糊算法。本发明算法包括：对于胃镜视频的处理、制作胃镜清晰图‑模糊图训练样本以及胃镜去模糊算法的训练。具体而言，首先收集一定量的胃镜视频，对其中的数据进行清洗；然后收集医生的标注，对每一帧的清晰或者模糊进行标注，并对“指导模型”进行训练；再用采用全部为清晰图的视频段，合成清晰‑模糊肠镜图片数据对；最后用清晰‑模糊肠镜图片数据对，训练肠镜去模糊算法。实验结果表明，本发明算法对于肠镜模糊图片的模糊去除具有很好的效果，具有很强的应用价值。

公开(公告)号：CN114494007A

公开(公告)日：2022-05-13

申请号：CN202011263437.6

申请日：2020-11-12

Applicant: 复旦大学

Inventor： 颜波 ,  马晨曦 ,  谭伟敏 ,  林青

IPC: G06T3/40 ,  G06N3/04

Abstract: 本发明属于数字图像智能处理技术领域，具体为一种文本指导的自然图像超分辨率重构方法。图像超分辨率重构是指利用算法来恢复丢失的图像像素。自然图像超分辨率重构主要用于提升图像清晰度，改善图像视觉效果，以产生真实、自然的高分辨率图像。本发明方法包括：从文本描述中提取语义特征；结合图像特征和文本语义特征；完善图像细节信息，修复语义不准确的特征；重构高分辨率自然图像。在网络的训练中引入基于语义的判别器、图文匹配损失和文本感知的重构损失来约束图像超分辨率重构模型学习图像超分辨率任务。实验结果表明，本发明可以生成自然美观且符合文本描述的高分辨率图像，有效解决大尺度图像超分辨率重构问题。

公开(公告)号：CN112884777A

公开(公告)日：2021-06-01

申请号：CN202110090738.1

申请日：2021-01-22

Applicant: 复旦大学

Inventor： 钟芸诗 ,  颜波 ,  蔡世伦 ,  谭伟敏 ,  林青

IPC: G06T7/11 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于医学图像智能处理技术领域，具体为一种基于自采样相似的多模态协作食管癌病变图像分割系统。针对早期食管癌诊断，首先构建配对的白光图像和NBI数据集；所述分割系统包括特征提取编码器、自采样相似特征分离模块、特征融合解码器；以白光图像和NBI作为多模态输入，由两个编码器分别提取两种模态的特征；对于每一种模态，自采样相似特征分离模块将病变区域特征与正常区域给予有效区分；解码器在特征域完成多模态特征融合，最终输出两种模态图像的病变分割结果。实验结果表明，本发明可以合理融合不同模态的特征，显著区分病变区域与正常区域，实现病变区域的精准分割，提高临床诊断的效率。