-
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：CN114330591A
公开(公告)日：2022-04-12
申请号：CN202210007108.8
申请日：2022-01-05
Applicant: 安徽大学
IPC: G06K9/62 , G06N3/08 , G06V20/13 , G06V10/764 , G06V10/774
Abstract: 本发明涉及基于空域‑光谱维度转换的高光谱分类方法，包括：对于原始高光谱数据集和相对应的标签向量数据集进行等间距不重叠划分；得到转换后的新训练集、新验证集、新测试集、新训练集标签、新验证集标签、新测试集标签；构建基于空域‑光谱维度转换的高光谱分类网络DSSFN；采用Adam算法进行迭代优化，得到分类性能最优的最优网络DSSFN；向最优网络DSSFN中输入测试集、新测试集和对应的测试集标签进行分类结果预测。本发明通过空域‑光谱维度转换，实现光谱全通道信息交互的全像素分类，充分利用光谱信息，提高稀缺高光谱数据的利用率和分类效率，网络的分支结构比较简单，具有较好的分类性能和较好的泛化能力。
-
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。
-
公开(公告)号：CN114330591B
公开(公告)日：2025-04-29
申请号：CN202210007108.8
申请日：2022-01-05
Applicant: 安徽大学
IPC: G06V10/764 , G06N3/08 , G06V20/13 , G06V10/774 , G06V10/82
Abstract: 本发明涉及基于空域‑光谱维度转换的高光谱分类方法，包括：对于原始高光谱数据集和相对应的标签向量数据集进行等间距不重叠划分；得到转换后的新训练集、新验证集、新测试集、新训练集标签、新验证集标签、新测试集标签；构建基于空域‑光谱维度转换的高光谱分类网络DSSFN；采用Adam算法进行迭代优化，得到分类性能最优的最优网络DSSFN；向最优网络DSSFN中输入测试集、新测试集和对应的测试集标签进行分类结果预测。本发明通过空域‑光谱维度转换，实现光谱全通道信息交互的全像素分类，充分利用光谱信息，提高稀缺高光谱数据的利用率和分类效率，网络的分支结构比较简单，具有较好的分类性能和较好的泛化能力。
-
-
-
Search Results
4
records
(took 0.019 seconds)
