公开(公告)号：CN118172562B

公开(公告)日：2024-08-27

申请号：CN202410605818.X

申请日：2024-05-16

Applicant: 安徽大学

Inventor： 徐晨初 ,  齐荣晖 ,  夏志强 ,  陈玉 ,  胡宗飞 ,  张燕平 ,  赵姝

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/084 ,  G06T7/00 ,  G06T7/11

Abstract: 本发明的一种无造影剂心肌梗死图像分割方法、设备及介质，包括收集钆造影剂增强前后的心肌梗死核磁共振图像对数据集，并进行数据处理；然后利用时空双流网络分别提取输入图像序列中的时间特征和空间特征，并将提取的特征分别传递给主编码器；其次，使用主编码器将时间特征和空间特征进行有效融合，完成对输入图像序列的特征提取，实现精准的心脏时空表征捕获；最后结合监督训练和鉴别器对抗训练共同训练模型，输出每个输入图像序列的心肌梗死预测分割图。本发明不仅解决了深度学习模型在心肌梗死分割应用中面临的没有充分分析心脏的时空运动问题，还实现了精确的心肌梗死区域分割，为心肌梗死的诊断和治疗提供了有力的技术支持。

公开(公告)号：CN117036714B

公开(公告)日：2024-02-09

申请号：CN202311294605.1

申请日：2023-10-09

Applicant: 安徽大学

Inventor： 徐晨初 ,  李萌 ,  王源 ,  齐荣晖 ,  宋俞荭 ,  韩龙飞 ,  张鼎文 ,  韩军伟

IPC: G06V10/26 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/08 ,  G06V10/40 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明的一种融合混合注意力机制的肠息肉分割方法、系统及介质，包括以下内容：对基于内窥镜下的肠息肉图像进行预处理，包括数据增强、自适应阈值对分割目标的区域提取，用于增强分割模型的鲁棒性和挖掘更准确的目标的边界信息；构建特征令牌金字塔模块提高对肠息肉图像的语义信息提取能力，同时采用更少的模块来构建该特征令牌金字塔可以获取具有多尺度感知的语义信息；构建全局特征提取模块利用局部‑全局训练策略降低分割模型对数据样本量的需求并进一步提高分割性能；构建特征融合模块缓解在融合不同尺度特征令牌之间的语义差异；构建多尺度融合模块从元素角度对所有尺度特(56)对比文件Chenchu Xu 等.TransCC: TransformerNetwork for Coronary Artery CCTASegmentation《.arXiv：2310.04779V1》.2023,全文.Jianguo Cui 等.A Multi-Scale Cross-Fusion Medical Image Segmentation NetworkBased on Dual-Attention MechanismTransformer《.MDPI》.2023,全文.刘伟光 等.一种基于 TransUnet 的臂丛神经超声图像分割网络《.无线电通信技术》.2023,全文.

公开(公告)号：CN117173165A

公开(公告)日：2023-12-05

申请号：CN202311443056.X

申请日：2023-11-02

Applicant: 安徽大学

Inventor： 徐晨初 ,  杨媛 ,  宋文龙 ,  齐荣晖 ,  赵姝 ,  陈洁

IPC: G06T7/00 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/092 ,  G06N3/096 ,  G06T7/70

Abstract: 本发明的一种基于强化学习的无造影剂肝肿瘤检测方法、系统及介质，方法包括S1、获取批量成对的无造影剂和造影剂增强的肝脏图像并划分为训练集和测试集；S2、构建基于强化学习的教师模型和学生模型，获取肝脏图像的特征；教师模型用于造影剂增强的肝脏图像特征的提取和肝肿瘤位置检测，并指导学生模型，学生模型用于无造影剂肝脏图像的特征提取和肝肿瘤位置检测；S3、将教师模型学习到的造影剂肝脏图像知识迁移到学生模型当中，不断训练优化模型；S4、逐步移除教师模型的指导，让学生模型独立获取无造影剂肝脏图像的肝肿瘤具体位置。通过本发明优化后的模型提取无造影剂肝脏图像的特征并输出肝肿瘤的具体位置。

公开(公告)号：CN118172562A

公开(公告)日：2024-06-11

申请号：CN202410605818.X

申请日：2024-05-16

Applicant: 安徽大学

Inventor： 徐晨初 ,  齐荣晖 ,  夏志强 ,  陈玉 ,  胡宗飞 ,  张燕平 ,  赵姝

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/084 ,  G06T7/00 ,  G06T7/11

Abstract: 本发明的一种无造影剂心肌梗死图像分割方法、设备及介质，包括收集钆造影剂增强前后的心肌梗死核磁共振图像对数据集，并进行数据处理；然后利用时空双流网络分别提取输入图像序列中的时间特征和空间特征，并将提取的特征分别传递给主编码器；其次，使用主编码器将时间特征和空间特征进行有效融合，完成对输入图像序列的特征提取，实现精准的心脏时空表征捕获；最后结合监督训练和鉴别器对抗训练共同训练模型，输出每个输入图像序列的心肌梗死预测分割图。本发明不仅解决了深度学习模型在心肌梗死分割应用中面临的没有充分分析心脏的时空运动问题，还实现了精确的心肌梗死区域分割，为心肌梗死的诊断和治疗提供了有力的技术支持。

公开(公告)号：CN117036714A

公开(公告)日：2023-11-10

申请号：CN202311294605.1

申请日：2023-10-09

Applicant: 安徽大学

Inventor： 徐晨初 ,  李萌 ,  王源 ,  齐荣晖 ,  宋俞荭 ,  韩龙飞 ,  张鼎文 ,  韩军伟

IPC: G06V10/26 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/08 ,  G06V10/40 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明的一种融合混合注意力机制的肠息肉分割方法、系统及介质，包括以下内容：对基于内窥镜下的肠息肉图像进行预处理，包括数据增强、自适应阈值对分割目标的区域提取，用于增强分割模型的鲁棒性和挖掘更准确的目标的边界信息；构建特征令牌金字塔模块提高对肠息肉图像的语义信息提取能力，同时采用更少的模块来构建该特征令牌金字塔可以获取具有多尺度感知的语义信息；构建全局特征提取模块利用局部‑全局训练策略降低分割模型对数据样本量的需求并进一步提高分割性能；构建特征注入模块缓解在融合不同尺度特征令牌之间的语义差异；构建多尺度融合模块从元素角度对所有尺度特征令牌进行融合，减少空间信息的损失并增强网络的鲁棒性。