-
公开(公告)号：CN117252875A
公开(公告)日：2023-12-19
申请号：CN202311531442.4
申请日：2023-11-17
Applicant: 山东大学
Abstract: 本发明涉及高光谱图像技术领域，尤其涉及基于高光谱图像的医疗图像处理方法、系统、介质及设备。高光谱图像处理方法包括：根据血液不正常外部表征与图像采集参数之间的关系调整所述图像采集参数，获取血液样本高光谱图像；根据反射率校准参数与图像RGB颜色占比之间的关系，对所述高光谱图像进行颜色标准化；将所述高光谱图像的红外光谱分配给红色通道，可见光谱分配给绿色和蓝色通道，增强所述高光谱图像近红外光谱波段信息。将本发明的方法应用于血液高光谱图像处理过程中，排除了外部表征的影响，避免了颜色对判断结果的影响，增加了标志物的光学信息，提高了的正确率。
-
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：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。
-
Patent Agency Ranking
公开(公告)号：CN117629831A
公开(公告)日：2024-03-01
申请号：CN202311605386.4
申请日：2023-11-28
Applicant: 山东大学
IPC: G01N15/075 , G01N15/1429 , G01N15/1433 , G01N15/00 , G06V20/69 , G16C20/20 , G16C20/70 , G06V10/82
Abstract: 本发明涉及纳米颗粒检测领域，提供了一种基于高光谱成像的纳米颗粒检测方法及系统。该方法包括，获取空气中容积体积为V1的气溶胶，并进行过滤，得到溶液体积为V2的气溶胶；从溶液体积为V2的气溶胶中提取溶液体积为V3的气溶胶；获取溶液体积为V3的气溶胶的高光谱图像；采用神经网络，识别所述高光谱图像，得到溶液体积为V3的气溶胶中气溶胶纳米颗粒的成分与不同成分的纳米颗粒数量；计算得到空气中不同成分气溶胶纳米颗粒的浓度。本发明采用神经网络，将每个高光谱样本(像素)都视为一个数据序列，从序列的角度分析显微高光谱数据，提高了气溶胶纳米颗粒检测方法的准确性。
-
公开(公告)号：CN116245798A
公开(公告)日：2023-06-09
申请号：CN202211564776.7
申请日：2022-12-07
Applicant: 山东大学
IPC: G06T7/00 , G06T7/13 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于深度学习和荧光图像的肿瘤边界区域确定方法及系统，涉及医学图像处理技术领域，该方法包括：获取患者的肿瘤细胞，根据肿瘤细胞的免疫学特征选用与其对应的单克隆抗体注入到患者的体内，在判定肿瘤细胞与单克隆抗体结合形成复合物时，提取样本组织做肿瘤病理切片；对肿瘤病理切片进行免疫荧光染色，得到荧光显微图像；将荧光显微图像输入至预先训练的肿瘤边界检测模型中，输出得到荧光染色图像的肿瘤边界区域，其中，在U‑Net网络的基础上，增加U‑Net网络的卷积层数，并加入残差块，构建肿瘤边界检测模型。通过该方式，可以实现肿瘤边界区域的精准检测，且具有较强的可靠性。
-
公开(公告)号：CN116233602A
公开(公告)日：2023-06-06
申请号：CN202211701399.7
申请日：2022-12-15
Applicant: 山东大学
IPC: H04N23/67 , H04N23/695
Abstract: 本发明涉及相机对焦技术领域，尤其涉及一种高光谱相机的自动对焦方法、系统、介质及设备。高光谱相机的自动对焦方法，包括：S1、获取相对被观测物体不同距离位置的多张图像，求取其中清晰度最高的图像；S2、以所述清晰度最高的图像对应的位置为基准，获取靠近所述被观测物体方向的多个位置的图像，以及远离所述被观测物体方向的多个位置的图像；S3、求取步骤S1中清晰度最高的图像和步骤S2中获取的所有图像中每个图像的平均信号强度，其中平均信号强度最强的图像对应的位置作为对焦位置。通过本发明的高光谱相机的自动对焦方法解决了人工对焦无法准确采集到信号最强的高光谱图像的问题，提高了对焦效率。
-
公开(公告)号：CN116168228A
公开(公告)日：2023-05-26
申请号：CN202211579292.X
申请日：2022-12-08
Applicant: 山东大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06V10/77
Abstract: 本公开提供了多维特征联合的肿瘤高光谱图像分类方法及系统，属于高光谱图像处理技术领域，包括以下步骤：对高光谱数据进行预处理；提取高光谱图像的深层空谱联合特征；对所得信息进行多特征融合，并进行空间信息强化；通过softmax分类器完成分类操作，输出分类结果。本公开利用联合降维算法提高了高光谱图像数据利用效率，在三维特征提取网络模块中引入空洞卷积核，使分类方法更加适应肿瘤高光谱图像，提高分类精度和分类效率。
-
公开(公告)号：CN116129169A
公开(公告)日：2023-05-16
申请号：CN202211455111.2
申请日：2022-11-21
Applicant: 山东大学
IPC: G06V10/764 , G06V20/10 , G06V10/22 , G06V10/77 , G06V10/80 , G06V10/82 , G06V10/58 , G06T7/13 , G06N3/0464 , G06N3/048 , G06N3/09 , G06N3/088
Abstract: 本发明提供一种基于空间域和光谱域联合的高光谱图像分类方法及系统，涉及高光谱图像处理技术领域，该方法包括：对获取的高光谱图像进行降维处理；提取经降维处理后高光谱图像中肿瘤区域的三维立体特征，生成三维形态学轮廓图；将三维形态学轮廓图分别输入至预先训练的监督分类模型和无监督分类模型中，得到第一分类结果和第二分类结果，并利用多数投票法对第一分类结果和第二分类结果进行决策融合，得到高光谱图像中肿瘤区域的分类结果图。通过该方式，可以充分利用高光谱图像的空间域和光谱域，更加全面的提取肿瘤区域的特征信息，从而提高分类结果的准确率。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.016 seconds)
