公开(公告)号：CN118096812A

公开(公告)日：2024-05-28

申请号：CN202311229571.8

申请日：2023-09-22

Applicant: 浙江工业大学

Inventor： 徐新黎 ,  杨益统 ,  王凯栋 ,  管秋 ,  龙海霞 ,  胡海根

IPC: G06T7/194 ,  G06T7/11 ,  G06V10/26 ,  G06V10/762 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 基于超像素和双分支图卷积网络的涂鸦监督上颌窦分割方法和装置，其方法包括：对口腔CBCT冠状图上颌窦区域进行涂鸦标注；划分数据集并生成超像素集；使用超像素集训练改进的特征提取网络；提取训练图像的超像素特征并构建超像素图；训练双分支超像素分类网络；提取超像素特征；构建超像素图；分割上颌窦。将口腔CBCT图像输入线性谱聚类得到对应图像的超像素块；运用改进的Unet提取其各超像素块的特征，并依据超像素块之间的空间关系构建各图像的超像素图；使用上下分支图卷积神经网络，将改进的图卷积神经网络IGCN作为主要的超像素分类网络；同时上下分支网络共享图卷积层参数。本发明解决了涂鸦标注监督信息不足导致分割性能不佳的问题。

公开(公告)号：CN113470046B

公开(公告)日：2024-04-16

申请号：CN202110667134.9

申请日：2021-06-16

Applicant: 浙江工业大学

Inventor： 徐新黎 ,  王凯栋 ,  邢少恒 ,  管秋 ,  许营坤 ,  杨旭华

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V10/54 ,  G06V10/25 ,  G06N3/08

Abstract: 一种面向医学图像超像素灰度纹理采样特征的图注意力网络分割方法，包括以下步骤：步骤一：超像素分割；步骤二：提取超像素灰度纹理采样特征；步骤三：超像素构图；步骤四：超像素真值标签设定；步骤五：训练多头注意力网络模型；步骤六：超像素分类与图像分割。本发明提出了一种分割精度高、运行效率高的医学图像图注意力网络分割方法，降低了医学图像分割任务的数据处理规模，提高了其分割模型的训练速度。

公开(公告)号：CN113470054B

公开(公告)日：2024-04-16

申请号：CN202110670197.X

申请日：2021-06-17

Applicant: 浙江工业大学

Inventor： 徐新黎 ,  王凯栋 ,  邢少恒 ,  龙海霞 ,  吴福理 ,  管秋

IPC: G06V10/26 ,  G06V10/762 ,  G06V10/77

Abstract: 一种基于边缘概率的口腔CBCT超像素生成方法，包括以下步骤：1)CT值初始化；2)像素特征映射；3)计算像素密度；4)计算像素距离和决策值；5)生成超像素；6)合并不合理区域。本发明提出了一种鲁棒性强、边缘召回率高、可达分割精度高且自动化的口腔CBCT超像素生成方法，提高了CBCT图像预处理的便捷性和有效性，降低了预处理的图像损失率。

公开(公告)号：CN116012642A

公开(公告)日：2023-04-25

申请号：CN202211630940.X

申请日：2022-12-19

Applicant: 浙江工业大学

Inventor： 徐新黎 ,  王天浩 ,  王凯栋 ,  管秋 ,  龙海霞 ,  胡海根

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/762 ,  G06T7/10 ,  G06T3/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种面向边界框标注的迭代弱监督上颌窦分割方法，包括：通过运用超像素算法生成良好贴合口腔CBCT图像边缘的超像素，然后借助卷积神经网络提取超像素特征，根据超像素的邻接关系构建超像素图；为了提高边界框弱监督的分割性能，除了利用超像素级CRF模型生成初始的伪标签用于超像素语义分类的改进图卷积网络训练以外，还把改进图卷积神经网络的预测结果周期性地输入超像素级CRF模型以更新和精细化伪标签用于迭代学习训练；对口腔CBCT图像，应用弱监督迭代训练得到的模型可以得到性能优秀的上颌窦分割结果。本发明还包括一种面向边界框标注的迭代弱监督上颌窦分割系统。本发明解决了手动标注医学图像精确标签耗时耗力的问题。

公开(公告)号：CN113470054A

公开(公告)日：2021-10-01

申请号：CN202110670197.X

申请日：2021-06-17

Applicant: 浙江工业大学

Inventor： 徐新黎 ,  王凯栋 ,  邢少恒 ,  龙海霞 ,  吴福理 ,  管秋

IPC: G06T7/13 ,  G06K9/62 ,  G06T7/187 ,  G06T7/11

Abstract: 一种基于边缘概率的口腔CBCT超像素生成方法，包括以下步骤：1)CT值初始化；2)像素特征映射；3)计算像素密度；4)计算像素距离和决策值；5)生成超像素；6)合并不合理区域。本发明提出了一种鲁棒性强、边缘召回率高、可达分割精度高且自动化的口腔CBCT超像素生成方法，提高了CBCT图像预处理的便捷性和有效性，降低了预处理的图像损失率。

公开(公告)号：CN113470046A

公开(公告)日：2021-10-01

申请号：CN202110667134.9

申请日：2021-06-16

Applicant: 浙江工业大学

Inventor： 徐新黎 ,  王凯栋 ,  邢少恒 ,  管秋 ,  许营坤 ,  杨旭华

IPC: G06T7/11 ,  G06K9/62 ,  G06T7/136 ,  G06T7/13 ,  G06N3/08

Abstract: 一种面向医学图像超像素灰度纹理采样特征的图注意力网络分割方法，包括以下步骤：步骤一：超像素分割；步骤二：提取超像素灰度纹理采样特征；步骤三：超像素构图；步骤四：超像素真值标签设定；步骤五：训练多头注意力网络模型；步骤六：超像素分类与图像分割。本发明提出了一种分割精度高、运行效率高的医学图像图注意力网络分割方法，降低了医学图像分割任务的数据处理规模，提高了其分割模型的训练速度。