-
公开(公告)号：CN108073918B
公开(公告)日：2022-04-29
申请号：CN201810077476.3
申请日：2018-01-26
Applicant: 浙江大学
Abstract: 本发明公开了一种眼底视网膜的血管动静脉交叉压迫特征提取方法，包括以下步骤：(1)提取眼底图像的血管信息，并采用模糊收敛方法对所述血管信息进行视盘定位后，确定视盘中心；(2)根据视盘中心，在采用k‑means聚类方法对视盘中心R半径范围内的所有血管聚类的基础上，统计确定每根血管的类别，然后对视盘中心R半径范围内的所有血管建立血管拓扑图；(3)根据血管拓扑图和血管类别确定动静脉交叉压迫节点。
-
公开(公告)号：CN108053417B
公开(公告)日：2019-12-17
申请号：CN201810092245.X
申请日：2018-01-30
Applicant: 浙江大学
Abstract: 本发明公开了一种基于混合粗分割特征的3D U‑Net网络的肺分割装置，包括：肺部3D二值图生成模块，对原始肺部CT切片依次进行高斯滤波、二值化、标记连通区域并筛选、尺寸匹配以及微调处理，生成肺部3D二值图；肺分割模块，采用训练完毕的3D U‑Net网络对原始肺部CT图像和肺部3D二值图进行计算，输出分割概率图；优化模块，采用条件随机场对分割概率图进行计算，输出最终肺部分割结果。该装置在产生更高分割精确度的同时，保证了较低的计算消耗和内存消耗。
-
公开(公告)号：CN108073918A
公开(公告)日：2018-05-25
申请号：CN201810077476.3
申请日：2018-01-26
Applicant: 浙江大学
Abstract: 本发明公开了一种眼底视网膜的血管动静脉交叉压迫特征提取方法，包括以下步骤：(1)提取眼底图像的血管信息，并采用模糊收敛方法对所述血管信息进行视盘定位后，确定视盘中心；(2)根据视盘中心，在采用k-means聚类方法对视盘中心R半径范围内的所有血管聚类的基础上，统计确定每根血管的类别，然后对视盘中心R半径范围内的所有血管建立血管拓扑图；(3)根据血管拓扑图和血管类别确定动静脉交叉压迫节点。
-
公开(公告)号：CN108335303B
公开(公告)日：2021-01-08
申请号：CN201810080537.1
申请日：2018-01-28
Applicant: 浙江大学
Abstract: 本发明公开了一种应用于手掌X光片的多尺度手掌骨骼分割方法，包括以下步骤：步骤1，收集不同年龄段的手掌X光片图像，标注每个像素点的类别；步骤2，对原始图像进行预处理，增加图片对比度；步骤3，对进行过预处理的图像进行尺度变换处理；步骤4，设计卷积神经网络结构；步骤5，将标注类别的图像和原始图像一起输入到卷积神经网络，对不同尺度的原始图像进行卷积特征提取，将提取的不同尺度的特征信息进行融合后进行卷积处理，进行模型训练直至模型收敛；步骤6，训练完成，进行分割应用。利用本发明，加强了对不同大小手掌骨骼的适应性，减弱了因灰度不均带来的不利影响，具有更好的适应性和鲁棒性。
-
公开(公告)号：CN108335303A
公开(公告)日：2018-07-27
申请号：CN201810080537.1
申请日：2018-01-28
Applicant: 浙江大学
Abstract: 本发明公开了一种应用于手掌X光片的多尺度手掌骨骼分割方法，包括以下步骤：步骤1，收集不同年龄段的手掌X光片图像，标注每个像素点的类别；步骤2，对原始图像进行预处理，增加图片对比度；步骤3，对进行过预处理的图像进行尺度变换处理；步骤4，设计卷积神经网络结构；步骤5，将标注类别的图像和原始图像一起输入到卷积神经网络，对不同尺度的原始图像进行卷积特征提取，将提取的不同尺度的特征信息进行融合后进行卷积处理，进行模型训练直至模型收敛；步骤6，训练完成，进行分割应用。利用本发明，加强了对不同大小手掌骨骼的适应性，减弱了因灰度不均带来的不利影响，具有更好的适应性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN106778014A
公开(公告)日：2017-05-31
申请号：CN201611247218.2
申请日：2016-12-29
Applicant: 浙江大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于循环神经网络的患病风险预测方法，包括：(1)利用诊断的疾病作为训练样本，进行疾病名称分布式词向量训练，得到词向量映射矩阵，并进行存储；(2)再次利用诊断的疾病作为训练样本，进行循环神经网络训练，得到患病风险预测模型；(3)将病人历史记录中每种诊断疾病作为一个测试样本输入患病风险预测模型，得到患病风险预测结果。该方法利用循环神经网络与分布式词向量表达嵌入技术，解决了因医疗诊断数据具有维度高、数据稀疏、时序性强等特点导致的训练模型过于复杂、训练成本高以及训练准确率低等问题，实现了针对历史患病信息进行具有时序性的建模过程。
-
公开(公告)号：CN108230323B
公开(公告)日：2021-03-23
申请号：CN201810092249.8
申请日：2018-01-30
Applicant: 浙江大学
Abstract: 本发明公开了一种基于卷积神经网络的肺结节假阳性筛选方法，包括：(1)获得肺结节检测模型输出的肺结节检测结果；(2)对肺结节检测结果进行标记生成样本；(3)根据样本和原始肺部CT图像构建数据集合；(4)将数据集合中的每个数据对的坐标x进行8个方向的随机偏移，偏移尺度为0.5X；(5)对数据集合中的每个数据对，根据样本对原始肺部CT图像进行裁剪，获得不同尺寸的训练样本，并对训练样本进行增广处理；(6)构建卷积神经网络；(7)利用3中尺寸的训练样本对卷积神经网路进行训练，获得三个肺结节假阳性筛选模型；(8)利用肺结节假阳性筛选模型对待测样本进行预测，输出预测结果。
-
公开(公告)号：CN108229580B
公开(公告)日：2020-12-11
申请号：CN201810078655.9
申请日：2018-01-26
Applicant: 浙江大学
Abstract: 本发明公开了一种基于注意力机制及特征融合的眼底图中糖网特征分级装置，包括：特征检测分类网络模块，用于对输入样本眼底图中1级糖网特征和2级糖网特征进行提取，输出对1级糖网特征和2级糖网特征提取的细分类特征图；原图分类网络模块，用于对输入样本眼底图中具有3级糖网特征和4级糖网特征进行提取，输出对3级糖网特征和4级糖网特征提取的粗分类特征图；注意力机制与特征融合模块，该模块采用注意力机制对特征检测网络模块输出的细分类特征图和原图分类网络模块输出的粗分类特征图进行特征融合，输出为输入样本图像的糖网特征级别的预测概率。该装置在保证较快速度的同时，分类评价指标Kappa达到81.33％。
-
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：CN106778014B
公开(公告)日：2020-06-16
申请号：CN201611247218.2
申请日：2016-12-29
Applicant: 浙江大学
Abstract: 本发明公开了一种基于循环神经网络的患病风险预测方法，包括：(1)利用诊断的疾病作为训练样本，进行疾病名称分布式词向量训练，得到词向量映射矩阵，并进行存储；(2)再次利用诊断的疾病作为训练样本，进行循环神经网络训练，得到患病风险预测模型；(3)将病人历史记录中每种诊断疾病作为一个测试样本输入患病风险预测模型，得到患病风险预测结果。该方法利用循环神经网络与分布式词向量表达嵌入技术，解决了因医疗诊断数据具有维度高、数据稀疏、时序性强等特点导致的训练模型过于复杂、训练成本高以及训练准确率低等问题，实现了针对历史患病信息进行具有时序性的建模过程。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.019 seconds)
