-
公开(公告)号：CN115908920B
公开(公告)日：2023-10-03
申请号：CN202211453096.8
申请日：2022-11-21
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/70 , G06N3/0464
Abstract: 基于卷积神经网络的急性主动脉综合征CT图像分类方法，包括：1)躯干CT平扫和CT增强图像数据集收集；2)主动脉检测图像数据和急性主动脉综合征分类图像数据标注；3)获取主动脉CT检测图像；4)主动脉CT图像分类网络初始训练；5)高置信度样本梯度通道模式聚合；6)基于高置信度样本梯度通道模式进行梯度约束的主动脉CT图像分类网络重训练；7)对CT图像整体分类。本发明可以对急性主动脉综合征的CT增强图像甚至CT平扫图像进行分类。本发明采用两阶段方法，将主动脉部分CT图像从整体躯干扫描CT图像中分离出来，减少无关部分的干扰，并使用高置信度主动脉CT图像引导低置信度主动脉CT图像的学习进程，增加主动脉CT图像分类准确度，具有较强的实用性，有助于减轻医生工作量。
-
公开(公告)号：CN116229457A
公开(公告)日：2023-06-06
申请号：CN202310111030.9
申请日：2023-02-13
Applicant: 浙江大学
Abstract: 一种基于卷积神经网络的多模态显微图像细胞分割方法，包括下列步骤：1)收集及标注多模态显微镜细胞图像数据集；2)生成细胞分割数据集中间监督目标；3)构建启发式模态分析器；4)构建基于检测框的深度卷积网络细胞分割分支；5)优化基于检测框的深度卷积网络细胞分割分支；6)处理难样本及构建分割质量估计模块；7)基于两步骤分水岭分割算法生成掩膜；8)自动选取分割结果。本发明可以对多模态细胞显微镜图像数据进行细胞分割。本发明采用多分支方法，启发式识别输入图像模态并调用对应模型，并使用两步骤分水岭分割方法增加细胞识别能力，并利用质量估计模块智能调用备用分支并选取较优结果，具有较强的实用性。
-
公开(公告)号：CN119445194A
公开(公告)日：2025-02-14
申请号：CN202411356507.0
申请日：2024-09-27
Applicant: 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
IPC: G06V10/764 , G06N3/084 , G06N3/0464 , G06N3/0895 , G06T7/00 , G06T7/73
Abstract: 本发明公开了一种位置自监督的结直肠CT图像病变识别与定位方法，其通过自动化图像级分类和Patch级定位，显著减少医生工作量，并通过自监督学习减少对标注数据的依赖，具体包括构建多模态CT扫描序列数据集，关键帧选取与标注，图像预处理，以及结直肠CT图像识别与定位网络的构建和训练；网络包含图像级分类分支和Patch级定位分支，后者通过病变位置自监督模块增强病变区域识别；方法还包括时序和模态一致性约束，以提高病变区域位置定位的准确性；此外，方法通过掩码校正回路策略，增强类别标签与病变位置的一致性；本发明方法作为辅助工具，能够有效辅助医生进行手术规划和治疗选择，具有重要的临床应用价值。
-
公开(公告)号：CN115908920A
公开(公告)日：2023-04-04
申请号：CN202211453096.8
申请日：2022-11-21
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/70 , G06N3/0464
Abstract: 基于卷积神经网络的急性主动脉综合征CT图像分类方法，包括：1)躯干CT平扫和CT增强图像数据集收集；2)主动脉检测图像数据和急性主动脉综合征分类图像数据标注；3)获取主动脉CT检测图像；4)主动脉CT图像分类网络初始训练；5)高置信度样本梯度通道模式聚合；6)基于高置信度样本梯度通道模式进行梯度约束的主动脉CT图像分类网络重训练；7)对CT图像整体分类。本发明可以对急性主动脉综合征的CT增强图像甚至CT平扫图像进行分类。本发明采用两阶段方法，将主动脉部分CT图像从整体躯干扫描CT图像中分离出来，减少无关部分的干扰，并使用高置信度主动脉CT图像引导低置信度主动脉CT图像的学习进程，增加主动脉CT图像分类准确度，具有较强的实用性，有助于减轻医生工作量。
-
-
-
Search Results
4
records
(took 0.016 seconds)
