-
公开(公告)号：CN120070464A
公开(公告)日：2025-05-30
申请号：CN202411952741.X
申请日：2024-12-27
Abstract: 本发明属于图像处理技术领域，提出了一种用于肠道粪水区域图像的分割系统，本发明中针对肠道准备图像，首先结合中值滤波和双边滤波进行局部去噪，然后利用非局部平均去噪算法进行整体去噪，以图像块为单位，在肠道准备图像中寻找相似区域，能够比较好地去掉图像中存在的高斯噪声，增加一个参数规定匹配过程中要计算图像块的数量，更好地适应不同的图像，解决了需要计算图像块的数量过大时可以减少噪声和伪影的影响，但也会减少图像的细节的问题，以及需要计算图像块的数量过小时可以保留更多的细节，但增加了噪声和伪影的影响问题，结合边缘特征增强检测，在保证去噪效果的基础上，解决了出现边缘信息等丢失的问题。
-
公开(公告)号：CN116167964A
公开(公告)日：2023-05-26
申请号：CN202211500673.4
申请日：2022-11-28
Applicant: 山东大学
IPC: G06T7/00 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于肿瘤高光谱图像的肿瘤分类方法及系统，该方法包括：获取肿瘤组织的高光谱图像和环境光高光谱图像，提取环境光光谱特征和肿瘤高光谱图像数据；对肿瘤高光谱图像数据进行数据预处理，获取肿瘤高光谱图像数据集；以标注肿瘤类型的肿瘤高光谱图像数据集为训练集，训练肿瘤分类模型；该肿瘤分类模型包括良恶性分类模型、良性分类模型和恶性分类模型，每种分类模型均包含多个采用不同分类算法的模型，通过赋权分类输出最终的分类结果；将待分类肿瘤高光谱图像输入训练完成的肿瘤分类模型，输出肿瘤分类结果。本发明根据肿瘤高光谱图像数据，利用构建的综合不同分类算法的肿瘤分类模型进行肿瘤分类，实现分类效率和准确性的提高。
-
公开(公告)号：CN116128799A
公开(公告)日：2023-05-16
申请号：CN202211455115.0
申请日：2022-11-21
Applicant: 山东大学
Abstract: 本发明提供一种基于高光谱图像的肿瘤切缘识别系统，涉及医学图像处理技术领域，该系统包括：降维模块，用于对获取的高光谱图像进行降维处理，得到光谱信息图像和空间信息图像；识别模块，用于将光谱信息图像输入至预先训练的残差网络中，输出得到第一肿瘤切缘区域；以及，对空间信息图像进行图像增强处理，并输入至预先训练的语义分割网络中，输出得到第二肿瘤切缘区域；输出模块，用于根据第一肿瘤切缘区域和第二肿瘤切缘区域，输出最终的肿瘤切缘区域。这样，通过将高光谱图像进行降维处理得到光谱信息图像和空间信息图像，并针对不同的图像分别进行肿瘤切缘区域的识别，可以充分学习高光谱图像中的光谱信息和空间信息，提高肿瘤切缘的灵敏度。
-
公开(公告)号：CN115908468A
公开(公告)日：2023-04-04
申请号：CN202211455696.8
申请日：2022-11-21
Applicant: 山东大学
Abstract: 本公开属于医学图像处理技术领域，具体涉及一种基于图像处理的术中肿瘤切除定量确定方法及系统，包括：获取模块，其被配置为获取肿瘤的高光谱荧光图像；提取模块，其被配置为提取所获取图像的肿瘤荧光特征；确定模块，其被配置为基于所得到的肿瘤荧光特征划定肿瘤边界，确定肿瘤的切缘位置；定量模块，其被配置为对确定的切缘位置进行快速病理检查，估计肿瘤细胞的参量数量，扩展肿瘤的切除定量。
-
公开(公告)号：CN118470440B
公开(公告)日：2024-09-20
申请号：CN202410916942.8
申请日：2024-07-10
Applicant: 山东大学
Inventor： 李玮 , 张延冰 , 雷晟暄 , 刘尚明 , 刘洪彬 , 孟密密 , 姜浩 , 王立言 , 王伟 , 宋峻林 , 赵晗竹 , 韩浩宇 , 吴世豪 , 韩景泓 , 张彦霖 , 党广虹 , 顾夏铭
IPC: G16H30/20 , G06V10/764
Abstract: 本发明公开了一种基于深度学习与高光谱图像的肿瘤早期识别系统，涉及肿瘤早期识别技术领域。包括：图像降维模块，用于获取高光谱图像，提取高光谱图像中的光谱信息；特征波段选取模块，用于对提取得到的光谱信息进行差异性分析，根据分析结果确定特征波段；深度学习模型模块，用于利用肿瘤识别模型对选取的特征波段下的光谱信息进行肿瘤初步识别；集成学习模块，用于对肿瘤初步识别结果进行集成学习，并根据集成学习结果优化肿瘤识别模型，采用优化后的肿瘤识别模型对待测高光谱图像进行识别，得到最终的肿瘤识别结果。本发明结合高光谱图像自身光谱信息的优势以及多种深度学习模型预测结果的集成，实现肿瘤早期精确识别。
-
Patent Agency Ranking
公开(公告)号：CN117690580A
公开(公告)日：2024-03-12
申请号：CN202311704785.6
申请日：2023-12-11
Applicant: 山东大学
Abstract: 本发明公开了基于呼吸动力学图的腺样体肥大检测系统；其中系统包括：呼吸阶段划分模块，其被配置为：获取测试者在呼吸过程中单侧鼻腔内气体流速信号；将气体流速信号划分为若干个阶段；使用小波滤波算法对信号进行滤波处理，得到时态数据序列；建模并生成动力学图模块，其被配置为：基于时态数据序列，构建离散非线性动力学系统；采用确定学习理论对离散非线性动力学系统的内在系统动态，进行局部准确RBF神经网络建模；将建模获得的呼吸动力学轨迹进行可视化显示，得到呼吸动力学图；输出模块，其被配置为：结合测试者的基本信息，根据双侧鼻腔的呼吸动力学图的形态，得到辅助检测结果。
-
公开(公告)号：CN114137158B
公开(公告)日：2023-10-31
申请号：CN202111320956.6
申请日：2021-11-09
Applicant: 山东大学
IPC: G01N33/00 , G01D21/02 , G06N3/0499 , G06N3/084
Abstract: 本发明属于肺癌早期筛查装置领域，提供了一种基于呼出气体挥发性有机物检测的肺癌早期筛查装置，其包括呼出气体获取部，其用于获取定量呼出气体；标记物分离部，其用于从所述定量呼出气体中分离出有机肺癌特异性生物标记物；气体检测部，其用于检测所述定量呼出气体的温度和湿度以及分离的所述的有机肺癌特异性生物标记物的浓度；数据处理部，其用于基于模糊加权因子将所述定量呼出气体的温度、湿度及所述的有机肺癌特异性生物标记物的浓度进行融合，将融合后的数据与预设肺癌阈值数据比较，若前者大于后者，则判定呼出气体者为疑似肺癌患者，否则判定呼出气体者为非肺癌患者。
-
公开(公告)号：CN115728236A
公开(公告)日：2023-03-03
申请号：CN202211455793.7
申请日：2022-11-21
Applicant: 山东大学
Abstract: 本发明提供一种高光谱图像采集与处理系统及其工作方法，涉及高光谱成像设备技术领域，该系统包括：相互通信连接的图像采集装置和图像处理器，图像采集装置用于采集高光谱图像，图像处理器用于识别高光谱图像中的肿瘤组织区域，其中，图像采集装置包括：多光谱光源，用于为生物组织提供多种频段的光，处理部件，设置于反射光的光路通道中，用于对生物组织的反射光进行分光和变向处理，采集部件，用于采集经分光和变向处理之后的反射光，将光信号转化成电信号，以及调节部件，用于对电信号进行处理，将其转换成图像信号，并根据处理结果对多光谱光源、处理部件和采集部件进行调节。该系统可以用于手术过程中肿瘤组织的快速识别。
-
公开(公告)号：CN118470440A
公开(公告)日：2024-08-09
申请号：CN202410916942.8
申请日：2024-07-10
Applicant: 山东大学
Inventor： 李玮 , 张延冰 , 雷晟暄 , 刘尚明 , 刘洪彬 , 孟密密 , 姜浩 , 王立言 , 王伟 , 宋峻林 , 赵晗竹 , 韩浩宇 , 吴世豪 , 韩景泓 , 张彦霖 , 党广虹 , 顾夏铭
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N20/20 , G16H30/20 , G16H50/20 , G16H50/30
Abstract: 本发明公开了一种基于深度学习与高光谱图像的肿瘤早期识别系统，涉及肿瘤早期识别技术领域。包括：图像降维模块，用于获取高光谱图像，提取高光谱图像中的光谱信息；特征波段选取模块，用于对提取得到的光谱信息进行差异性分析，根据分析结果确定特征波段；深度学习模型模块，用于利用肿瘤识别模型对选取的特征波段下的光谱信息进行肿瘤初步识别；集成学习模块，用于对肿瘤初步识别结果进行集成学习，并根据集成学习结果优化肿瘤识别模型，采用优化后的肿瘤识别模型对待测高光谱图像进行识别，得到最终的肿瘤识别结果。本发明结合高光谱图像自身光谱信息的优势以及多种深度学习模型预测结果的集成，实现肿瘤早期精确识别。
-
公开(公告)号：CN116168226A
公开(公告)日：2023-05-26
申请号：CN202211500819.5
申请日：2022-11-28
Applicant: 山东大学
IPC: G06V10/764 , G06V10/80 , G06T7/00 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于高光谱技术的术中肿瘤快速分类系统，包括：图像预处理模块，用于对获取的肿瘤病变组织若干频段的高光谱图像进行预处理；肿瘤病变区域识别模块，用于选择多个优选频率分别对应的高光谱图像，融合得到融合光谱图像，基于该图像进行肿瘤目标检测，识别肿瘤病变区域；肿瘤病变类型识别模块，用于对识别的肿瘤病变区域进行多像素点采样，获取每个采样点各优选频率的频率特性，将其分别输入良性和恶性肿瘤识别模型中，分别输出良性和恶性可能性矩阵，以此识别肿瘤病变类型。本发明基于肿瘤病变组织高光谱图像判别肿瘤良恶性，实现术中肿瘤病变类型的快速分类，缩减快速识别时间，提高识别效率的同时，提高识别结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.014 seconds)
