公开(公告)号：CN113989297B

公开(公告)日：2025-01-10

申请号：CN202111125371.9

申请日：2021-09-23

Applicant: 杭州电子科技大学

Inventor： 张悦愉 ,  贾刚勇 ,  陈德潮 ,  顾人舒 ,  葛瑞泉

IPC: G06T7/11 ,  G06T7/00 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了利用多模态的眼睑肿瘤数据进行肿瘤区域分割的方法。通常病理科对于肿瘤的诊断需要病理医生对患者的病理切片进行显微镜观察之后做出判断，这个过程往往需要大量时间和精力。本发明根据该需求公开了一种通用的端到端框架以实现眼睑肿瘤病理图像的自动分类和分割。本发明首先输入病理医生已经诊断过的患者病理切片图像以及性别年龄等文本信息，用文本分支混合UNET3+网络进行训练，得到训练好的模型。接着，输入未经诊断的患者病理图像，经过训练好的模型，即可得到该患者的诊断结果以及相关癌症区域。本发明能够自动对眼睑肿瘤中基底细胞癌和脂溢性角化病两类的病理切片进行分类，以及对病理切片中肿瘤区域得到很好的分割结果。

公开(公告)号：CN119205800A

公开(公告)日：2024-12-27

申请号：CN202411213970.X

申请日：2024-08-31

Applicant: 杭州电子科技大学

Inventor： 顾人舒 ,  沈雨辰 ,  徐岗 ,  吴向阳 ,  许佳敏

IPC: G06T7/10 ,  G06T5/50 ,  G06V10/80 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种融合多模态图文信息的医学图像分割方法，该方法首先使用预训练的BERT模型对患者元数据文本进行预处理和编码，提取特征表示，其次对病理图像进行注意力引导的数据增强操作。最后构建由图像编码器、文本编码器和解码器组成的医学图像分割网络，基于步骤一提取的特征表示和数据增强后的病理图像进行病理图像分割，并可视化分割结果。在分割网络中，本发明设计了一个多模态特征融合模块将两种模态的信息进行融合，该模块采用了Transformer架构，引入跨模态注意力机制和自注意力机制，保证了信息融合的有效性。本发明得到了更精准的分割结果，提升在新数据上的泛化能力，有效处理了医学图像中常见的数据不平衡问题。

公开(公告)号：CN113989191A

公开(公告)日：2022-01-28

申请号：CN202111149517.3

申请日：2021-09-29

Applicant: 杭州电子科技大学

Inventor： 徐梓豪 ,  王亚奇 ,  金凯 ,  高知远 ,  贾刚勇 ,  顾人舒

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/82 ,  G06V10/764 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的眼底图像与造影图像的标签迁移分类方法，包括数据预处理、标签迁移、分类网络训练和特征可视化。具体是将所获得的眼底图像数据以及荧光素眼底血管造影图像数据进行预处理，从而突出病灶区域；将预处理后的荧光素眼底血管造影图像的标签特征转移到眼底图像的标签特征；将标签迁移后的眼底图像输入神经网络BathNet进行分类训练；将分类后的图像数据进行特征可视化处理，显示眼底图像的病灶区域。利用本发明方法只需一张眼底图像便可直接定位病灶区，并确定可能存在的疾病特征，因此提高了诊断效率，且有效降低了眼底疾病诊断的成本。

公开(公告)号：CN117576340A

公开(公告)日：2024-02-20

申请号：CN202311417941.0

申请日：2023-10-30

Applicant: 杭州电子科技大学

Inventor： 徐岗 ,  计耀辉 ,  许金兰 ,  凌然 ,  吴海燕 ,  顾人舒

IPC: G06T17/20 ,  G06F30/23 ,  G06F111/10

Abstract: 本发明公开了一种基于环切割与体细分的等几何高阶网格生成方法，该方法首先计算表面三角形网格二面角信息，根据二面角标注特征边，将其分为凹凸特征。其次根据凹凸特征边信息和标架场计算得到元网格，对元网格进行Catmull‑Clark体细分得到六面体网格。然后将六面体网格转换成B样条体。最后使用B样条体与原三角形表面网格进行拟合，完成参数化。本发明能生成保有特征、块数较少的全六面体网格，并得到表面与原表面三角形网格相近的网格。

公开(公告)号：CN116821425A

公开(公告)日：2023-09-29

申请号：CN202310750193.1

申请日：2023-06-25

Applicant: 之江实验室 ,  杭州电子科技大学

Inventor： 唐娜娜 ,  肖强 ,  俞再亮 ,  吴向阳 ,  刘真 ,  徐岗 ,  胡金明 ,  徐景胜 ,  顾人舒

IPC: G06F16/901 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/04

Abstract: 本发明公开了一种面向天枢人工智能平台的模型结构提取方法及装置。本发明首先“跟踪/记录”模型上的所有操作，并进一步提取模型计算图节点信息和连接关系，生成模型计算图树形结构。然后基于深度学习模型计算图信息，确定模型结构图中需要保留的层级名称，过滤基本层节点的子节点以及容器节点，同时删除相关的连接边。最后，基于美观性、易交互性和可读性为目标求解图布局方式。本发明不需要借助其他数据信息，完全基于深度神经网络计算图数据信息过滤结构图数据，解决了结构图难以获取的问题。同时，由于仅仅过滤了计算图中不重要节点，因而完整地保留了深度学习模型的主要结构信息。

公开(公告)号：CN116797522A

公开(公告)日：2023-09-22

申请号：CN202310034945.4

申请日：2023-01-10

Applicant: 杭州电子科技大学

Inventor： 王莉莎 ,  顾人舒 ,  陈德潮 ,  高红依 ,  贾刚勇

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种基于双分支交叉注意力池化的眼前节疾病多标签分类方法，本发明包括以下步骤：(1)对裂隙灯图像进行数据预处理；(2)将图像输入双分支网络，输出token序列和特征图；(3)对特征图、注意力图进行双分支交叉注意力池化，输出疾病类别和区域的结果；(4)利用CNN分支中的注意力图对该分支输入进行注意力引导的数据增强，再次输入主网络；(5)将各个结果和标签进行损失计算来进行监督训练，训练好的模型可用于疾病类别和区域的诊断。本发明通过构建双分支交叉注意力池化模块，解决了多标签图像中对象大小位置不一且部分特征之间的视觉相似性问题，能够基于裂隙灯图像准确地进行疾病类别和区域的多标签分类。

公开(公告)号：CN116109723A

公开(公告)日：2023-05-12

申请号：CN202310134474.4

申请日：2023-02-20

Applicant: 杭州电子科技大学

Inventor： 徐岗 ,  黄清祺 ,  顾人舒 ,  许佳敏 ,  吴海燕

IPC: G06T11/00 ,  G06N3/08 ,  G06N3/0455

Abstract: 本发明公开了一种面向大尺寸彩色图案的织物智能编码方法，首先利用图像采集系统采集大型织物各部分的高分辨彩色图案，经过预处理拼接，裁剪出中心区域作为输入数据，并转换为大尺寸高分辨率灰度图案。其次将大尺寸高分辨率灰度织物图案裁剪成若干小尺寸灰度织物图案，构成织物图案数据库，训练神经网络模型；然后使用加权融合的方法，融合小尺寸经纬纱交叉点预测图，得到大尺寸的经纬纱交叉点预测图；最后将经纬纱交叉点预测图编码成二进制矩阵图案。本发明克服采集过程中产生的误差，保持原彩色图中各像素的亮度差异，完成了大尺寸彩色织物图案的二进制编码，得到大尺寸彩色织物图案的二进制矩阵图案。

公开(公告)号：CN115512108A

公开(公告)日：2022-12-23

申请号：CN202211128245.3

申请日：2022-09-16

Applicant: 杭州电子科技大学

Inventor： 刘现文 ,  王亚奇 ,  贾刚勇 ,  顾人舒

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06V10/32 ,  G06V10/30 ,  G06T7/194

Abstract: 本发明公开了一种基于不确定性的半监督OCT图像视网膜分割方法。对于有标签数据，通过第一网络得到的特征图，经过提取得到注意力图，对输入图片进行注意力增强，然后再次送入第一网络和第二网络中进行训练；对于无标签数据，为了减小伪标签的错误，采用第一网络和第二网络的交叉监督，并辅以不确定性指导；通过第一网络得到多尺度的特征与不确定性图，一同送入不确定性修复模块，得到修复后的伪标签再去监督第一网络的输出，计算加权不确定性修复损失；每轮迭代之后在测试集上测试结果，当前Dice系数高于上一轮迭代的结果时，保存模型参数。本发明很好的提高模型的泛化性、解决伪标签误导的问题，并且提高伪标签的边界分割精度。

公开(公告)号：CN114187576A

公开(公告)日：2022-03-15

申请号：CN202111505215.5

申请日：2021-12-10

Applicant: 杭州电子科技大学

Inventor： 经钦杨 ,  王翔 ,  李东辉 ,  贾刚勇 ,  顾人舒 ,  王泽斌

IPC: G06V20/58 ,  G06V10/774 ,  G06V10/762 ,  G06K9/62

Abstract: 本发明公开了一种面向交通标志检测的小目标增强优化方法。本发明方法包含两部分的内容：采用基于优先度的小目标增强的策略进行数据增强。针对以往小目标增强无视各类型目标分布差异统一增强导致效果不佳的问题，采用基于优先度的小目标增强的策略进行数据增强，对小目标数据集进行针对性的增强。采用最优锚框宽高聚类优化训练数据。针对模型获取正样本时只关注比较大的样本、忽略小目标的问题，以及单纯以目标宽高进行聚类获取锚框初始值导致训练数据不合理的问题。采用最优锚框宽高聚类配合增强数据集优化训练数据。通过本发明提出的方法，最终可以提升小目标交通标志的检测精度以及整体检测精度。

公开(公告)号：CN119832644A

公开(公告)日：2025-04-15

申请号：CN202510300662.9

申请日：2025-03-14

Applicant: 杭州电子科技大学

Inventor： 顾人舒 ,  朱家俊 ,  徐岗 ,  高飞 ,  许佳敏 ,  斯乙轩

IPC: G06V40/20 ,  G06V40/10 ,  G06T17/00 ,  G06T7/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明公开了一种未标定多视角相机的轻量化三维人体姿态估计方法，该方法首先收集任意视角数量的三维人体姿态估计数据集，并定义来自#imgabs0#个动态视角的二维姿态序列和对应的三维姿态序列。其次利用双向Mamba模型，提取多视角二维姿态序列的特征，得到预测结果，对双向Mamba模块进行预训练并微调。最后利用未标定可移动相机拍摄的多视角数据集端到端地训练双向Mamba模型，输出各个视角的三维姿态，通过procrustes将不同视角的姿态对齐至其中一个视角，完成人体姿态估计。本发明采用多视角姿态估计，使得人物在有较多的遮挡的环境下依然能高精度的估计人体姿态，并避免了相机标定的过程。