-
公开(公告)号：CN117611794A
公开(公告)日：2024-02-27
申请号：CN202311393971.2
申请日：2023-10-26
Applicant: 浙江工业大学
IPC: G06V10/25 , G06V10/80 , G06V10/774 , G06V10/20 , G06V10/82 , G06N3/0464 , G06T7/00
Abstract: 一种基于复合特征融合的胰腺CT图像小病灶检测方法，包括以下步骤：步骤S1:获取胰腺CT图像数据集并进行初步筛选；步骤S2:调整胰腺CT图像的窗宽窗位；步骤S3:将胰腺CT图像转化为jpg格式的图像；步骤S4:将所有数据集进行分组处理；步骤S5:将数据集进行在线的数据增强操作；步骤S6:训练基于多项辅助融合改进的YOLOv6模型；步骤S7:验证评估和保存基于多项辅助融合改进的YOLOv6模型。本发明可以提升小肿瘤的检测能力，非常有利于胰腺肿瘤的早筛任务，有效提高医生的工作效率。
-
公开(公告)号：CN117575998A
公开(公告)日：2024-02-20
申请号：CN202311419080.X
申请日：2023-10-30
Applicant: 浙江工业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于重参数化大卷积核的胰腺肿瘤高精度检测方法，包括以下步骤：步骤S1:获取胰腺CT图像数据集并做划分；步骤S2:设计RepDW结构；步骤S3:将数据集在线增强；步骤S4:训练基于重参数化大卷积核RepDW结构的YOLO算法；步骤S5:验证评估模型性能；步骤S6:保存最佳训练模型。本发明提提出可以无损提升肿瘤检出性能的YOLO新架构，设计了一种RepDW的卷积结构，通过使用重参数化深度可分离卷积，不仅提升了网络的感受野，增强了网络的全局信息提升能力，同时保证了实时性，最终本方法可以同时有效提升胰腺大肿瘤和小病症的检出能力，并且保证了较快的推理速度，达到了临床实时性的要求。
-
公开(公告)号：CN117994216A
公开(公告)日：2024-05-07
申请号：CN202410119190.2
申请日：2024-01-29
Applicant: 浙江工业大学
IPC: G06T7/00 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/776 , G06V10/25 , G06V10/42 , G06N3/045 , G06N3/0464 , G06N5/04 , G06N3/084
Abstract: 一种面向医学影像肿瘤生境分析的多尺度特征融合病变检测方法，提出了一种基于层内上下文增强模块和跨层特征加权模块的多尺度特征融合网络，从两个角度丰富了特征表示，对现有检测器进行了优化；上下文增强模块利用空洞注意力来捕获病变区域与背景的依赖性，跨层特征加权模块交互不同的特征层，以增强详细的特征表示，这样可以保留低级信息，而不混淆高级语义信息。本发明有利于提高病变检测性能，从而能更轻松的实现生境分析，为医生提供更为准确的预后评估工具。
-
公开(公告)号：CN117576502A
公开(公告)日：2024-02-20
申请号：CN202311470403.8
申请日：2023-11-07
Applicant: 浙江工业大学
IPC: G06V10/774 , G06V10/776 , G06V10/25 , G06V10/24 , G06N3/0464
Abstract: 一种基于标签丰富度的图像动态增强方法，包括以下步骤：步骤S1:获取COCO数据集图像；步骤S2:进行马赛克和随机仿射变换数据增强；步骤S3:进行基于标签丰富度的动态mixup方法；步骤S4:训练基准模型，将经过数据增强处理后的图片加载进模型开始训练；步骤S5:验证模型性能。本发明使用了缓存队列的技巧进一步改善数据增强的强度，并使得整个过程更为合理；本方法可以在提升数据增强强度的同时有效地提高小模型的性能，与此同时，该方法可以即插即用地用在目标检测领域。
-
Patent Agency Ranking
公开(公告)号：CN117557527A
公开(公告)日：2024-02-13
申请号：CN202311536481.3
申请日：2023-11-17
Applicant: 浙江工业大学
IPC: G06T7/00 , G06V10/764 , G06V10/774
Abstract: 一种基于扩散模型的小样本医学影像数据集增广方法，包括以下步骤：步骤S1:截取患者的医学影像中的病灶部位作为病灶医学影像；步骤S2:对病灶医学影像数据构建文本级标签；步骤S3:创建其对应的超网络；步骤S4:利用图文对训练超网络；步骤S5:对不同批次的超网络进行初筛；步骤S6:对不同批次的超网络进行精筛；步骤S7:根据不同的下游任务对医学影像数据进行增广操作。本发明有利于提高医学下游任务的性能，有效提升病灶的早筛任务，间接提高医生的工作效率。
-
公开(公告)号：CN114723698B
公开(公告)日：2025-01-17
申请号：CN202210331209.0
申请日：2022-03-30
Applicant: 浙江工业大学
IPC: G06T7/00 , G06T7/12 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06V10/44 , G06V10/82
Abstract: 一种基于多尺度注意力网络的脑血管医学图像分割方法，首先将原始的脑血管MRA图像进行预处理，随后训练一个多尺度注意力UNet网络；网络模型上编码部分通过多尺度注意力模块提取脑血管图像的特征，提升有效特征的学习能力；解码部分通过跳级连接融合多尺度特征，提高模型分割的精准度；最后将待分割的测试数据输入训练好的模型得到分割结果并进行三维重建。本发明考虑脑血管在脑部影像中的复杂特点，针对性地提出网络模型进行脑血管影像的分割与三维重建，解决了脑部血管高度复杂、位置形态不一等带来的分割难题，提高MRI脑血管影像的分割精度。
-
公开(公告)号：CN117975196A
公开(公告)日：2024-05-03
申请号：CN202410098786.9
申请日：2024-01-24
Applicant: 浙江工业大学
IPC: G06V10/774 , G06V10/764 , G06V10/762 , G06T7/00 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 一种面向肿瘤小生境成像辅助诊断的医学影像数据增广方法，包括以下步骤：步骤S1:截取患者的医学影像中的病灶部位作为肿瘤病灶医学影像；步骤S2:根据小生境成像方法对肿瘤病灶医学影像中的病灶部位细分；步骤S3:采样一组肿瘤病灶医学影像并对其进行预处理；步骤S4:利用处理好的肿瘤病灶医学影像训练生成模型；步骤S5:利用训练好的生成模型生成病灶医学影像以达到增广的目的。本发明有利于提高医学下游任务的性能，有效提升病灶的早筛任务，间接提高医生的工作效率。
-
公开(公告)号：CN118136264A
公开(公告)日：2024-06-04
申请号：CN202410169407.0
申请日：2024-02-06
Applicant: 浙江工业大学
Abstract: 一种基于大模型与对比学习的中医推拿多模态知识图谱构建方法，根据领域专业人员和专业著作指导，对中医推拿知识图谱概念设计；将采集的多模态中医推拿文献、病历数据进行划分后进行不同处理；文本内容通过检索增强的方式导入大模型进行知识抽取，构建中医推拿知识图谱的本体结构；所述本体结构包含实体、关系及属性；基于BERT语言模型的编码器和视觉编码器对图像文本进行对比学习，使实体和多模态数据的特征进行融合，构建中医推拿多模态知识图谱。本发明通过语言大模型的检索增强，有效地克服了多模态中医推拿文献、电子病历中知识抽取困难的问题，并且融合了文本、肌电信号、推拿手法图像、视频多模态数据，丰富了知识图谱的内容。
-
公开(公告)号：CN114723698A
公开(公告)日：2022-07-08
申请号：CN202210331209.0
申请日：2022-03-30
Applicant: 浙江工业大学
Abstract: 一种基于多尺度注意力网络的脑血管医学图像分割方法，首先将原始的脑血管MRA图像进行预处理，随后训练一个多尺度注意力UNet网络；网络模型上编码部分通过多尺度注意力模块提取脑血管图像的特征，提升有效特征的学习能力；解码部分通过跳级连接融合多尺度特征，提高模型分割的精准度；最后将待分割的测试数据输入训练好的模型得到分割结果并进行三维重建。本发明考虑脑血管在脑部影像中的复杂特点，针对性地提出网络模型进行脑血管影像的分割与三维重建，解决了脑部血管高度复杂、位置形态不一等带来的分割难题，提高MRI脑血管影像的分割精度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.026 seconds)
