-
公开(公告)号：CN112419246B
公开(公告)日：2022-07-22
申请号：CN202011263459.2
申请日：2020-11-12
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种量化食管粘膜IPCLs血管形态分布的深度检测网络。本发明包括特征提取网络和特征金字塔、区域候选网络、兴趣区域池化与聚簇分布先验自嵌入的癌灶分类网络、在窄带成像内镜图像上进行可视化的系统。特征提取网络提取输入图像的特征图；特征金字塔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；聚簇分布先验自嵌入的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。本发明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：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
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：CN111091503B
公开(公告)日：2023-05-02
申请号：CN201911099357.9
申请日：2019-11-09
Applicant: 复旦大学
IPC: G06T5/00
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种基于深度学习的图像去失焦模糊方法。本发明方法包括：通过拍摄或添加随机模糊等方式构建去失焦模糊数据集，使得每组数据包含一张清晰的图像作为原图，以及若干张模糊的图像作为清晰图所对应的模糊图；训练去失焦模糊深度神经网络；使用非对齐损失函数通过深度神经网络从图像中恢复处于焦平面外的模糊物体；在真实场景下拍摄非像素级对齐的去模糊数据集，通过非对齐损失函数训练深度神经网络。实验结果表明，本发明可以对真实场景中拍摄的失焦模糊图进行有效的恢复，提出的数据集能够通过非对齐损失函数有效地训练去失焦模糊网络。本发明可以用于相机变焦、机器人视觉系统等。
-
Patent Agency Ranking
公开(公告)号：CN112102256A
公开(公告)日：2020-12-18
申请号：CN202010853194.5
申请日：2020-08-22
Applicant: 复旦大学
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：CN111127336B
公开(公告)日：2023-05-02
申请号：CN201911129305.1
申请日：2019-11-18
Applicant: 复旦大学
IPC: G06T5/00 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于自适应选择模块的图像信号处理方法。本发明方法包括：建立多任务RAW图像数据集；根据元数据对RAW图像预处理，包括：将单通道的RAW图像重排列为图像尺寸减半三RGBG四个通道，黑电平矫正和归一化；训练ISP深度神经网络；训练去噪声、去运动模糊处理模块，去除噪声、运动模糊；结合各处理模块训练注意力选择模块；ISP网络是端到端网络，测试时将预处理后的RAW图像载入，即可生成RGB图像。实验表明，本发明可以在单个深度神经网络中自适应地选择处理模块以应对包含不同类型失真的复杂情况，从而生成高质量的RGB图像。
-
公开(公告)号：CN112419246A
公开(公告)日：2021-02-26
申请号：CN202011263459.2
申请日：2020-11-12
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种量化食管粘膜IPCLs血管形态分布的深度检测网络。本发明包括特征提取网络和特征金字塔、区域候选网络、兴趣区域池化与聚簇分布先验自嵌入的癌灶分类网络、在窄带成像内镜图像上进行可视化的系统。特征提取网络提取输入图像的特征图；特征金字塔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；聚簇分布先验自嵌入的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。本发明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：CN111127336A
公开(公告)日：2020-05-08
申请号：CN201911129305.1
申请日：2019-11-18
Applicant: 复旦大学
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于自适应选择模块的图像信号处理方法。本发明方法包括：建立多任务RAW图像数据集；根据元数据对RAW图像预处理，包括：将单通道的RAW图像重排列为图像尺寸减半三RGBG四个通道，黑电平矫正和归一化；训练ISP深度神经网络；训练去噪声、去运动模糊处理模块，去除噪声、运动模糊；结合各处理模块训练注意力选择模块；ISP网络是端到端网络，测试时将预处理后的RAW图像载入，即可生成RGB图像。实验表明，本发明可以在单个深度神经网络中自适应地选择处理模块以应对包含不同类型失真的复杂情况，从而生成高质量的RGB图像。
-
公开(公告)号：CN111091503A
公开(公告)日：2020-05-01
申请号：CN201911099357.9
申请日：2019-11-09
Applicant: 复旦大学
IPC: G06T5/00
Abstract: 本发明属于数字图像智能处理技术领域，具体为一种基于深度学习的图像去失焦模糊方法。本发明方法包括：通过拍摄或添加随机模糊等方式构建去失焦模糊数据集，使得每组数据包含一张清晰的图像作为原图，以及若干张模糊的图像作为清晰图所对应的模糊图；训练去失焦模糊深度神经网络；使用非对齐损失函数通过深度神经网络从图像中恢复处于焦平面外的模糊物体；在真实场景下拍摄非像素级对齐的去模糊数据集，通过非对齐损失函数训练深度神经网络。实验结果表明，本发明可以对真实场景中拍摄的失焦模糊图进行有效的恢复，提出的数据集能够通过非对齐损失函数有效地训练去失焦模糊网络。本发明可以用于相机变焦、机器人视觉系统等。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
