-
公开(公告)号：CN115205315A
公开(公告)日：2022-10-18
申请号：CN202210708020.9
申请日：2022-06-21
Applicant: 复旦大学附属眼耳鼻喉科医院 , 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种眼科体征保持的眼底图像增强方法。本发明方法采用基于CycleGAN的图像增强网络模型，该模型包括一个血管分割网络和由两个生成器、两个判别器组成的转换增强网络；考虑到眼底图像的特殊性，本发明模型除使用转换损失外，引入血管分割损失和结构损伤作为约束，使得增强后的眼底图像能够更好地保留眼底血管细节和病理形态结构。实验结果表明，本方法可以有效增强眼底图像，保留眼底体征，提高图像质量，使增强后的眼底图像更有利于临床医疗诊断；SSGAN模型在客观评价指标和眼科医生的主观评价结果表明优于现有模型，能有效地实现眼底图像增强，具有广泛的应用前景。
-
公开(公告)号：CN115223688A
公开(公告)日：2022-10-21
申请号：CN202210658763.X
申请日：2022-06-13
Applicant: 复旦大学 , 复旦大学附属眼耳鼻喉科医院
Abstract: 本发明属于医学影像处理技术领域，具体为一种智能辅助层级式眼科体征及疾病标注方法及系统。本发明包括：支持多次标注和自动比对的眼底疾病、体征标注，以供各标注终端对未标注的眼底图像进行眼科疾病和体征的关联标注；支持可调节的眼底图像增强；支持血管自动分割和血管面积计算。本发明可使医生方便地对眼底图像进行眼科疾病和对应眼科体征标注，同时系统提供图像增强、血管分割、血管面积技术等功能，以辅助医生提高标注的精度和效率。相比人工标注方式，可提高医生1倍以上标注速度。
-
公开(公告)号：CN118628385A
公开(公告)日：2024-09-10
申请号：CN202410613623.X
申请日：2024-05-17
Applicant: 复旦大学
IPC: G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/0985 , G06N3/0895
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于单张噪声样本的自监督荧光显微镜图像去噪方法。本发明方法包括：通过在单张有噪声的荧光显微镜图像中进行时空维度的像素采样，生成多个成对的带噪荧光显微镜图像数据；利用构造的成对带噪样本训练一个基于U‑Net结构的去噪网络。实验结果表明，本方法克服了之前荧光显微镜图像去噪方法的缺陷，仅利用单幅有噪声的三维荧光显微镜延时成像数据来训练去噪模型，可有效抑制荧光显微镜图像的噪声，提升图片的清晰度，具有较强的实用价值。
-
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
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
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。
-
Patent Agency Ranking
公开(公告)号：CN111031315B
公开(公告)日：2023-05-30
申请号：CN201911129321.0
申请日：2019-11-18
Applicant: 复旦大学
IPC: H04N19/154 , H04N19/42
-
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
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：CN115456908A
公开(公告)日：2022-12-09
申请号：CN202211192386.1
申请日：2022-09-28
Applicant: 复旦大学
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于构造成对噪声样本的鲁棒的自监督图像去噪方法。本发明方法包括：通过预去噪网络获取带噪图像的粗糙去噪图像；以组为单位将原始带噪图像与粗糙去噪图像做差得到近似真实分布的噪声；将成组的噪声执行组内循环移位操作两次，其结果分别与粗糙去噪图像相加，得到两组成对带噪样本；利用构造的成对带噪样本和一个不确定性感知的损失函数训练一个双分支去噪网络，使其去噪性能和鲁棒性得以提升。实验结果表明，本方法克服了之前自监督图像去噪方法的缺陷，有效提升了去噪图片的清晰度，同时本方法中构造带噪样本的方式具有较强的实用价值。
-
公开(公告)号：CN114862697A
公开(公告)日：2022-08-05
申请号：CN202210370638.9
申请日：2022-04-10
Applicant: 复旦大学
IPC: G06T5/00 , G06T15/00 , G06V40/16 , G06V10/774
Abstract: 本发明属于数字图像处理技术领域，具体为一种基于三维分解的人脸盲修复方法。本发明包括：使用人脸三维重建模型将人脸图像分解为纹理层、骨骼结构层和环境及位姿参数三部分；对骨骼结构层使用编码器‑解码器对其进行粗粒度填充，对纹理层先使用不同参数编码器‑解码器对其进行细粒度填充，再使用人脸增强模块对人脸细节增强；用三维重建网络中的渲染器将修复的两个成分与其他参数结合渲染得到修复重建后的三维人脸图像；将修复得到的三维人脸图像和被遮挡的输入图共同输入人脸精修模块，得到被修复的人脸图像。实验结果表明，当图像的遮挡范围没有被手动标注时，本发明能够准确地对人脸进行修复，同时保持未被遮挡部分和输入图像保持一致。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.023 seconds)
