-
公开(公告)号：CN114494225A
公开(公告)日：2022-05-13
申请号：CN202210127706.9
申请日：2022-02-11
Applicant: 安徽大学
Abstract: 本发明涉及一种基于形状特征的纸管破损缺陷检测方法，包括：获取纸管图像，图像降采样；图像灰度化；高斯滤波，像素变换操作；二值化处理；边缘轮廓绘制，获取所有轮廓的面积；根据迭代方法保留最大轮廓面积，最大轮廓面积所对应的轮廓为最大轮廓，绘制最大轮廓的最小外接圆，获取最小外接圆的圆心和半径；对最小外接圆进行图像掩膜分割，获取最终轮廓的圆形度；根据最终轮廓的圆形度进行判断。本发明综合考虑了工业生产所成像造成的纸管的各种背景干扰以及背景的特点与分布，从而完全去除背景的干扰而不影响原图像中有用的前景信息，成功对纸管的形状特征输出，并且对纸管破损缺陷检测的准确率高、耗时短。
-
公开(公告)号：CN114529562A
公开(公告)日：2022-05-24
申请号：CN202210162154.5
申请日：2022-02-22
Applicant: 安徽大学
Abstract: 本发明涉及一种基于辅助学习任务与重分割约束的医学图像分割方法，该方法包括下列顺序的步骤：(1)对三维人脑核磁共振数据进行预处理，得到训练集和测试集；(2)构建基于辅助学习任务与重分割约束的分割网络；(3)将训练集输入分割网络进行训练,得到训练好的分割网络；(4)将测试集输入训练好的分割网络，分割网络输出得到分割结果。本发明通过额外的图像重建任务分支的引入，有助于分割网络学习到互补的医学图像特征，从而帮助模型更好地理解医学图像的内在结构；将重建结果再次输入到分割网络中，将得到的重分割结果与真实分割图比较，从语义层面为分割网络的训练提供额外的监督信号，以进一步提升图像分割结果的准确性。
-
公开(公告)号：CN114677416A
公开(公告)日：2022-06-28
申请号：CN202210247027.5
申请日：2022-03-14
Applicant: 安徽大学
Abstract: 本发明涉及一种弱监督医学图像分割配准协同处理方法，包括：获取医学图像数据及标注，并将医学图像分为浮动图像和固定图像；由医学图像数据构建配准模型，基于配准模型更新弱监督分割数据；由弱监督分割数据构建分割模型，基于分割模型更新弱监督配准数据；由弱监督配准数据训练配准模型，基于配准模型更新弱监督分割数据；重复步骤(3)至步骤(4)，直至分割模型和配准模型收敛；基于收敛后的分割模型和配准模型分别完成图像分割与配准任务。本发明大大提高小样本场景下的图像分割任务与图像配准任务的表现，既提高了脑图像的分割精度，也提高了脑图像的配准精度，为小样本场景下的医学图像分割与配准任务提供新方案。
-
公开(公告)号：CN114677416B
公开(公告)日：2025-04-29
申请号：CN202210247027.5
申请日：2022-03-14
Applicant: 安徽大学
Abstract: 本发明涉及一种弱监督医学图像分割配准协同处理方法，包括：获取医学图像数据及标注，并将医学图像分为浮动图像和固定图像；由医学图像数据构建配准模型，基于配准模型更新弱监督分割数据；由弱监督分割数据构建分割模型，基于分割模型更新弱监督配准数据；由弱监督配准数据训练配准模型，基于配准模型更新弱监督分割数据；重复步骤(3)至步骤(4)，直至分割模型和配准模型收敛；基于收敛后的分割模型和配准模型分别完成图像分割与配准任务。本发明大大提高小样本场景下的图像分割任务与图像配准任务的表现，既提高了脑图像的分割精度，也提高了脑图像的配准精度，为小样本场景下的医学图像分割与配准任务提供新方案。
-
-
-
Search Results
4
records
(took 0.018 seconds)
