-
公开(公告)号：CN110415250B
公开(公告)日：2021-09-07
申请号：CN201910538061.6
申请日：2019-06-20
Applicant: 浙江大学
IPC: G06T7/10
Abstract: 本发明公开了一种基于深度学习的重叠染色体分割方法及装置，包括：(1)对待分割的重叠染色体图像进行预处理，获得重叠染色体输入图像；(2)将重叠染色体输入图像输入至染色体重叠区域分割模型中，得到染色体非重叠区域的mask以及重叠区域的mask；(3)对非重叠区域的mask进行处理，获取多个染色体联通区域的mask，对多个染色体联通区域的mask与重叠区域的mask进行组合，得到待判别的染色体候选样本；(4)将染色体候选样本输入至染色体判别模型中，获得置信度最高的染色体候选样本记为真实样本，并且与该染色体候选样对应的另一条染色体样本记为真实样本；(5)根据判别结果，获得重叠染色体分割结果。
-
公开(公告)号：CN112200809A
公开(公告)日：2021-01-08
申请号：CN202011004014.2
申请日：2020-09-22
Applicant: 浙江大学山东工业技术研究院
Abstract: 本发明属于染色体分析技术领域，尤其是涉及一种基于骨架分割与关键点检测的粘连染色体分离方法及装置。基于骨架分割与关键点检测的粘连染色体分离方法，包括以下步骤：S1、将待分离的粘连染色体图像进行缩放和归一化处理，以获得粘连染色体输入图像；S2、将步骤S1所得的粘连染色体输入图像输入至染色体骨架分割模型中进行分割，以获得染色体骨架图像。本发明提供了一种不依赖于染色体的特定形态模式，具有较高的泛化能力，从粘连染色体之间的黏着点着手，利用黏着点对粘连染色体进行分离，能够有效地解决多条染色体粘连时染色体的分离问题的基于骨架分割与关键点检测的粘连染色体分离方法及装置。
-
公开(公告)号：CN110874842A
公开(公告)日：2020-03-10
申请号：CN201910959385.7
申请日：2019-10-10
Applicant: 浙江大学
Abstract: 本发明公开了一种基于级联残差全卷积网络的胸腔多器官分割方法，先用粗分割模型对各个器官进行一个粗略的分割，作用是定位各个器官的范围，然后，利用各个器官的单独细分割模型，对粗分割定位的区域，进行精细化的分割，得到各个器官的精细化分割结果，最后将结果合并，得到最终的多器官分割结果，分割结果保留了更多的细节。本发明在u-net的基础上进行改进，将残差连接以及特征维度的注意力机制引入u-net中的下采样模块，使得网络更易训练，且具有自动特征选择的能力。另外，我们引入了级联的策略，使用分阶段的分割网络，从而得到实现对胸腔CT多器官的快速，精准分割。
-
公开(公告)号：CN108346154A
公开(公告)日：2018-07-31
申请号：CN201810091696.1
申请日：2018-01-30
Applicant: 浙江大学
Abstract: 本发明公开了一种基于Mask-RCNN神经网络的肺结节分割装置的建立方法，包括：建立训练样本：对采集的三维肺部CT图像依次进行裁剪、数据增强以及难分负样本挖掘处理，获得训练样本集；建立肺结节分割网络：网络包括依次连接的输入层、第一最大池化层、64*64*64卷积层、第二最大池化层、32*32*32稠密块层、第三最大池化层、16*16*16稠密块层，16*16*16稠密块层输出的特征图经过上采样与32*32*32稠密块层输出的特征图进行特征融合，特征融合后的特征图经POL池化层后，输入到RPN网络；训练肺结节分割网络：利用训练样本对肺结节分割网络进行训练，获得肺结节分割装置。
-
公开(公告)号：CN112200809B
公开(公告)日：2022-08-12
申请号：CN202011004014.2
申请日：2020-09-22
Applicant: 浙江大学山东工业技术研究院
Abstract: 本发明属于染色体分析技术领域，尤其是涉及一种基于骨架分割与关键点检测的粘连染色体分离方法及装置。基于骨架分割与关键点检测的粘连染色体分离方法，包括以下步骤：S1、将待分离的粘连染色体图像进行缩放和归一化处理，以获得粘连染色体输入图像；S2、将步骤S1所得的粘连染色体输入图像输入至染色体骨架分割模型中进行分割，以获得染色体骨架图像。本发明提供了一种不依赖于染色体的特定形态模式，具有较高的泛化能力，从粘连染色体之间的黏着点着手，利用黏着点对粘连染色体进行分离，能够有效地解决多条染色体粘连时染色体的分离问题的基于骨架分割与关键点检测的粘连染色体分离方法及装置。
-
Patent Agency Ranking
公开(公告)号：CN108257128B
公开(公告)日：2020-09-18
申请号：CN201810092248.3
申请日：2018-01-30
Applicant: 浙江大学
Abstract: 本发明公开了一种基于3D卷积神经网络的肺结节检测装置的建立方法，包括：建立训练样本；建立肺结节检测网络：所述肺结节分割网络包括依次连接的卷积单元、64*64*64(32)残差卷积单元A、32*32*32(64)残差卷积单元B、16*16*16(64)残差卷积单元C、8*8*8(64)残差卷积单元D、16*16*16(64)残差卷积单元E，残差卷积单元E的输出特征图与残差卷积单元C输出特征图按照通道拼接后输入至残差卷积单元F，残差卷积单元F输出特征图与残差卷积单元B输出特征图按照通道拼接后，输入至RPN网络以实现对输入图的肺结节检测；训练肺结节检测网络，获得肺结节检测装置。
-
公开(公告)号：CN108257128A
公开(公告)日：2018-07-06
申请号：CN201810092248.3
申请日：2018-01-30
Applicant: 浙江大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于3D卷积神经网络的肺结节检测装置的建立方法，包括：建立训练样本；建立肺结节检测网络：所述肺结节分割网络包括依次连接的卷积单元、64*64*64(32)残差卷积单元A、32*32*32(64)残差卷积单元B、16*16*16(64)残差卷积单元C、8*8*8(64)残差卷积单元D、16*16*16(64)残差卷积单元E，残差卷积单元E的输出特征图与残差卷积单元C输出特征图按照通道拼接后输入至残差卷积单元F，残差卷积单元F输出特征图与残差卷积单元B输出特征图按照通道拼接后，输入至RPN网络以实现对输入图的肺结节检测；训练肺结节检测网络，获得肺结节检测装置。
-
公开(公告)号：CN109636806B
公开(公告)日：2022-12-27
申请号：CN201811399318.6
申请日：2018-11-22
Applicant: 浙江大学山东工业技术研究院
Abstract: 本发明公开了一种基于多步学习的三维核磁共振胰腺图像分割方法，包括：(1)归一化预处理三维核磁共振图像；(2)随机将预处理后的图像分为训练集、验证集和测试集；(3)利用分割标注将训练集中包含胰腺的块和对应的标注切出备用；(4)压缩原始图像训练一个Q‑net模型计算胰腺大致位置；(5)使用步骤3中的配对数据预训练另一个P‑net模型；(6)使用预训练的Q‑net产生胰腺的3D位置预测图，选取概率高的图块，映射回原图，分块输入预训练的P‑net中合并训练预测胰腺位置；(7)使用训练好的分割模型在测试集上进行预测检测效果。利用本发明，能够精确地从三维的核磁共振图像中分割出胰腺，可为胰腺的放射治疗提供依据和指导。
-
公开(公告)号：CN110852991B
公开(公告)日：2022-08-09
申请号：CN201910959396.5
申请日：2019-10-10
Applicant: 浙江大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于3D结合2D的脊椎骨检测方法，包括以下步骤：(1)获取CT脊椎影像样本并进行预处理，将预处理后的样本进行专家标注，标注出脊椎骨的中心位置和对应的脊椎骨名称，将标注后的样本分为训练集、验证集和测试集；(2)构建脊椎骨检测模型，所述的脊椎骨检测模型包括3D编码‑解码网络和2D编码‑解码网络；(3)将构建的脊椎骨检测模型在训练集和验证集上进行训练，直到模型收敛；(4)将训练完的模型在测试集下进行测试，通过测试后进行脊椎骨检测的应用。利用本发明，可以大大提高脊椎骨检测的速度和准确率，有助于医生做出更精确的判断。
-
公开(公告)号：CN110874842B
公开(公告)日：2022-04-29
申请号：CN201910959385.7
申请日：2019-10-10
Applicant: 浙江大学
Abstract: 本发明公开了一种基于级联残差全卷积网络的胸腔多器官分割方法，先用粗分割模型对各个器官进行一个粗略的分割，作用是定位各个器官的范围，然后，利用各个器官的单独细分割模型，对粗分割定位的区域，进行精细化的分割，得到各个器官的精细化分割结果，最后将结果合并，得到最终的多器官分割结果，分割结果保留了更多的细节。本发明在u‑net的基础上进行改进，将残差连接以及特征维度的注意力机制引入u‑net中的下采样模块，使得网络更易训练，且具有自动特征选择的能力。另外，我们引入了级联的策略，使用分阶段的分割网络，从而得到实现对胸腔CT多器官的快速，精准分割。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.015 seconds)
