-
公开(公告)号：CN118097286A
公开(公告)日：2024-05-28
申请号：CN202410283334.8
申请日：2024-03-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东大学齐鲁医院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G16H30/20 , G16H50/20
Abstract: 本发明涉及一种基于SVM和双线性卷积神经网络的肺部CT影像衰老评估方法。本发明针对健康人群，基于肺部CT影像的体检数据，提出一种基于SVM+B‑CNN的健康人群肺衰老程度评估方法，能够客观的对人体肺部衰老程度进行评估。该方法包括模型建立与训练模块、分类器模块和模型评估模块。其中，模型建立与训练模块为能够提取到更丰富的图像特征信息，使用了子网络分别为VGG16和VGG19网络的双线性卷积神经网络模型，分类器采用SVM输出了最后的衰老等级评估结果，模型评估模块对整体模型进行了混淆分析并在新数据集进行推理，能够有效从客观上对肺部CT影像进行评估分类，呈现有效的评估参考因素，并提高肺部CT图像评估效率。
-
公开(公告)号：CN118864916A
公开(公告)日：2024-10-29
申请号：CN202410238974.7
申请日：2024-08-05
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东大学齐鲁医院
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明的基于卷积神经网络的肺部CT影像衰老评估方法，包括模型构建与训练部分、分类器部分和模型评估部分，模型构建与训练部分首先以健康人群的肺部CT影像建立数据集，并根据健康人群的年龄段对CT影像进行分类，然后对图像进行增强处理和对类别标签进行编码处理，最后建立卷积神经网络模型；分类器部分采用Softmax函数，经过分类器分类，得到输入图像判别为各个衰老程度的概率，并以最高概率对应的年龄段作为CT影像的衰老结果。本发明的基于卷积神经网络的肺部CT影像衰老评估方法，以一种更加客观与快速的方式，实现有效的肺部CT影像评估，在减少人工评估工作量的同时，也减轻人工评估的主观意向对最终诊断结果的影响。
-
公开(公告)号：CN118887198A
公开(公告)日：2024-11-01
申请号：CN202411113827.3
申请日：2024-08-14
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种胃部病理切片分割方法及系统，涉及计算机视觉、病理图像处理领域，具体方案包括：获取待分割的胃部切片图像；将胃部切片图像输入到训练好的胃部病理切片分割模型中，生成最终的分割结果；其中，所述胃部病理切片分割模型采用U型结构，在编码器与解码器之间引入多尺度跳跃连接机制，同时利用高层语义信息与底层细节特征，进行特征信息的跨层次融合；本发明设计一种准确且高效的胃部病理切片自动分割模型，显著提高了胃部病理图像分割精度，极大地提升胃癌早期诊断的准确性与及时性，进而为患者争取到宝贵的治疗时间。
-
Patent Agency Ranking
公开(公告)号：CN118537694A
公开(公告)日：2024-08-23
申请号：CN202410648489.7
申请日：2024-05-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/09
Abstract: 本公开提出基于改进的CNN的肺部CT影像衰老评估方法及系统，方法包括：将预处理后的待评估图像输入至改进的CNN中，提取待评估图像的衰老特征，基于衰老特征得到衰老评估结果；改进的CNN包括改进的ResNet18网络和多尺度CNN网络，改进的ResNet18网络用于提取深层特征，包括依次连接的注意力机制模块、平均池化层和恒等层；多尺度CNN网络用于提取局部和全局信息特征；将深层特征和局部和全局信息特征融合为衰老特征，利用衰老等级标签进行监督学习，输出衰老评估结果。通过融合图像更深层特征和更宽的空间上下文信息，保证特征的细节性和多样性，避免遗漏相关信息，从而提高肺部衰老评估的准确性。
-
公开(公告)号：CN118429641A
公开(公告)日：2024-08-02
申请号：CN202410585218.1
申请日：2024-05-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/26 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 一种基于SwinUnet的双分支癌症病理图像分割方法，涉及病理图像处理技术领域，提高了病理图像分割模型的分割精度，双分支的设计使得全局与局部特征的提取更加精细，并且在SwinUnet的跳跃连接中加入多尺度密集注意力机制，使得下采样所得的空间信息损失降低。深度可分离卷积Dwconv的引入，通过将卷积操作分解为两个独立的步骤，使用较小的卷积核，从而显著减少了网络的参数数量，这使得网络更加轻量化，也提供了更好的特征表示能力，有助于提高模型的准确性和泛化能力，使得模型在图像边缘预测方面更加精准。
-
公开(公告)号：CN119739879A
公开(公告)日：2025-04-01
申请号：CN202411953364.1
申请日：2024-12-27
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/532 , G06F16/538 , G06V10/44 , G06V10/42 , G06V10/46 , G06V10/80 , G06V10/774 , G06V10/82
Abstract: 本发明提出了一种医学图像检索方法及系统，涉及医学图像处理领域，针对的问题是：现有技术无法深度理解医学图像内在内容，针对医学图像检索面临的高分辨率、多模态数据和背景噪声干扰等问题，无法准确、有效检索出对应的医学图像，检索鲁棒性和准确性差。方法包括：获取医学图像数据集，对医学图像数据集进行预处理；利用训练好的特征提取模型，进行特征提取，得到图像的融合特征；基于图像的融合特征，构建图像特征库；利用训练好的特征提取模型，对待检索医学图片进行特征提取，得到待检索医学图片的融合特征；将其与图像特征库进行匹配，检索出对应的图像。本发明显著提升了医学图像检索的准确性和效率。
-
公开(公告)号：CN118484555A
公开(公告)日：2024-08-13
申请号：CN202410651610.1
申请日：2024-05-24
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 一种基于特征融合的医学图像检索方法，涉及图像检索技术领域，通过对数据集进行预处理，得到一个较好的数据集可以用于模型的训练，通过使用改进后的Fuzzy‑ASPP子模块对图像进行多尺度局部特征提取，使用GeM池化得到全局特征，最后使用加权特征融合的方式得到对图像正确的融合描述子。这样设计的多尺度融合特征提取网络提高了检索的准确度和效率。
-
公开(公告)号：CN118396969A
公开(公告)日：2024-07-26
申请号：CN202410597023.9
申请日：2024-05-14
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于3D卷积神经网络的肺部CT影像衰老评估方法及系统，方法包括：获取待检测的肺部影像数据并进行预处理；将预处理后的数据输入至训练好的3D卷积神经网络模型，得到肺部衰老评估结果；其中，所述3D卷积神经网络模型包括：依次设置的多个3D卷积和最大池化层、3D全局平均池化层、注意力机制模块、展平层和两个全连接层；所述注意力机制模块包括依次连接的四个卷积层。本发明在3D卷积神经网络模型中添加注意力机制，不仅能捕捉到全局和局部的空间特征，还能根据任务的需求动态地调整其对这些特征的关注程度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.036 seconds)
