-
公开(公告)号：CN118397414A
公开(公告)日：2024-07-26
申请号：CN202410545951.0
申请日：2024-05-06
Applicant: 无锡学院
IPC: G06V10/80 , G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/084 , G06N3/096
Abstract: 本发明公开了一种乳腺癌组织病理图像分类的深度特征自适应融合方法，通过构建双分支深度特征自适应融合网络，从乳腺癌组织病理图像中提取出有效的多尺度特征；步骤如下：S1，获取乳腺癌组织病理图像数据集，并对图像进行预处理；S2，将预处理之后的数据同时输入到语义特征提取网络、局部细节特征提取网络，分别得到语义特征图和局部细节特征图；S3，特征融合模块将语义特征图和局部细节特征图进行加权平均和归一化处理，并输入到一个全连接层中，得到病理组织图像的分类结果；S4，根据病理组织图像的分类结果，输出相应的诊断报告。本发明能有效地提取乳腺癌组织病理图像中的语义特征和局部细节特征，提高图像分类的准确性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116958175B
公开(公告)日：2023-12-26
申请号：CN202311218213.7
申请日：2023-09-21
Applicant: 无锡学院
IPC: G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/26 , G06V10/764 , G06V10/82
Abstract: 一种血液细胞分割网络的构建方法及血液细胞分割方法。属于图像识别技术领域，具体涉及血液细胞图像的识别技术领域。其解决了以往深度学习的方式中，对于血液细胞显微图像中白细胞，白细胞核及红细胞三类同时分割研究较少的问题。所述血液细胞分割网络包括卷积层、空洞残差层、池化层和上采样层，血液细胞图像输入后，依次经过卷积层、空洞残差层、池化层和上采样层后输出，所述空洞残差层与上采样层跳跃连接。本发明所述网络及方法可以应用在血液细胞研究技术领域以及血液细胞分割技术领域。
-
公开(公告)号：CN117495882B
公开(公告)日：2024-07-19
申请号：CN202311823399.9
申请日：2023-12-28
Applicant: 无锡学院
IPC: G06T7/11 , G06N3/0464 , G06N3/084 , G06T7/194
Abstract: 本发明公开了一种基于AGCH‑Net和多尺度融合的肝脏肿瘤CT图像分割方法，用于医疗复杂图像分割，包括：获取公开的肝脏肿瘤分割基准数据集，获取训练样本集；搭建神经网络结构，并进一步构建神经网络模型，以适用于肝脏肿瘤CT图像分割；其中，神经网络结构以语义分割网络U‑Net网络为网络框架，利用融合倒置残差卷积替换U‑Net网络中原始卷积，并在U‑Net网络插入改进型AGCH注意力机制以及在U‑Net网络的瓶颈处采用SE_ASPP模块；获取待分割图像进行初步处理并输入神经网络模型中进行图像分割、特征提取、图像优化操作，输出肝脏区域分割结果。本发明采用U‑NET网络为图像处理网络基础框架，并对其进行改进，添加优化分割精度，优化学习能力的网络模块，提高分割性能。
-
公开(公告)号：CN117710381A
公开(公告)日：2024-03-15
申请号：CN202311697900.1
申请日：2023-12-11
Applicant: 无锡学院
IPC: G06T7/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于Transformer和CNN的双分支网络的图像分割方法及系统，方法包括以下步骤：获取芯片X光图像，并对芯片X光图像进行预处理；建立交互式双分支网络模型，所述交互式双分支网络模型由CNN分支网络、PVTv2模型、融合模块，CNN分支网络、Transformer分支网络的输出端分别连接有语义分割头和辅助分割头；其中，CNN分支网络由通道压缩的Resnet18模型为基础框架，Resnet18模型包括第一残差模块‑第四残差模块，第一残差模块包括Stem模块和两个残差块Res block，第二残差模块‑第四残差模块均包括最大池化层和两个残差块Res block。本发明建立基于Transformer分支网络和CNN分支网络的交互式双分支网络模型，从输入端开始建立图像全局和局部之间的信息交流，提升芯片X光图像的分割精度。
-
公开(公告)号：CN117495882A
公开(公告)日：2024-02-02
申请号：CN202311823399.9
申请日：2023-12-28
Applicant: 无锡学院
IPC: G06T7/11 , G06N3/0464 , G06N3/084 , G06T7/194
Abstract: 本发明公开了一种基于AGCH‑Net和多尺度融合的肝脏肿瘤CT图像分割方法，用于医疗复杂图像分割，包括：获取公开的肝脏肿瘤分割基准数据集，获取训练样本集；搭建神经网络结构，并进一步构建神经网络模型，以适用于肝脏肿瘤CT图像分割；其中，神经网络结构以语义分割网络U‑Net网络为网络框架，利用融合倒置残差卷积替换U‑Net网络中原始卷积，并在U‑Net网络插入改进型AGCH注意力机制以及在U‑Net网络的瓶颈处采用SE_ASPP模块；获取待分割图像进行初步处理并输入神经网络模型中进行图像分割、特征提取、图像优化操作，输出肝脏区域分割结果。本发明采用U‑NET网络为图像处理网络基础框架，并对其进行改进，添加优化分割精度，优化学习能力的网络模块，提高分割性能。
-
公开(公告)号：CN116958175A
公开(公告)日：2023-10-27
申请号：CN202311218213.7
申请日：2023-09-21
Applicant: 无锡学院
IPC: G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/26 , G06V10/764 , G06V10/82
Abstract: 一种血液细胞分割网络及血液细胞分割方法。属于图像识别技术领域，具体涉及血液细胞图像的识别技术领域。其解决了以往深度学习的方式中，对于血液细胞显微图像中白细胞，白细胞核及红细胞三类同时分割研究较少的问题。所述血液细胞分割网络包括卷积层、空洞残差层、池化层和上采样层，血液细胞图像输入后，依次经过卷积层、空洞残差层、池化层和上采样层后输出，所述空洞残差层与上采样层跳跃连接。本发明所述网络及方法可以应用在血液细胞研究技术领域以及血液细胞分割技术领域。
-
-
-
-
-
Search Results
6
records
(took 0.042 seconds)
