-
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。
-
Patent Agency Ranking
公开(公告)号：CN115018856B
公开(公告)日：2025-04-29
申请号：CN202210755316.6
申请日：2022-06-29
Applicant: 安徽大学
Abstract: 本发明提供了一种基于对比学习和空间编码的弱监督医学图像分割配准协同方法，通过先构建图像分割模型，用少量标注图像预训练分割模型；获取医学图像数据及其器官分割标注，将其划分为浮动图像和固定图像；使用分割模型预测没有分割标注的图像分割标注；使用预测的分割标注计算图像的空间编码用于配准网络的训练；使用分割标注计算结构对应信息用于像素级Siamese网络的训练；使用配准模型生成增广数据结合Siamese网络进行分割模型的再训练，重复训练直到多个模型收敛。通过以上的配准和分割模型，大大提升了小样本情况下医学图像分割和配准任务的表现，实现了医学图像配准和分割任务之间的协同联合处理。
-
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：CN115018856A
公开(公告)日：2022-09-06
申请号：CN202210755316.6
申请日：2022-06-29
Applicant: 安徽大学
Abstract: 本发明提供了一种基于对比学习和空间编码的弱监督医学图像分割配准协同方法，通过先构建图像分割模型，用少量标注图像预训练分割模型；获取医学图像数据及其器官分割标注，将其划分为浮动图像和固定图像；使用分割模型预测没有分割标注的图像分割标注；使用预测的分割标注计算图像的空间编码用于配准网络的训练；使用分割标注计算结构对应信息用于像素级Siamese网络的训练；使用配准模型生成增广数据结合Siamese网络进行分割模型的再训练，重复训练直到多个模型收敛。通过以上的配准和分割模型，大大提升了小样本情况下医学图像分割和配准任务的表现，实现了医学图像配准和分割任务之间的协同联合处理。
-
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：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。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
