-
公开(公告)号：CN118470253B
公开(公告)日：2024-09-13
申请号：CN202410939983.9
申请日：2024-07-15
Applicant: 湖南大学
Abstract: 本申请涉及一种用于医学图像的表面网格重建方法，该方法包括：S1：构建医学图像重建模型，所述医学图像重建模型包括CNN特征提取部分、特征增强与映射部分、GNN形变部分；S2：将获取的3D体素医学图像经过所述CNN特征提取部分，提取目标组织的特征图；S3：通过所述特征增强与映射部分对所述目标组织的特征图进行增强；S4：基于增强的特征图，并通过所述GNN形变部分对模板网格进行变形，得到预测网格。该方法通过构建医学图像重建模型，提取3D体素医学图像的特征用以对模板网格进行变形，最终得到预测网格，有效提高了医学图像表面网格重建的准确性。
-
公开(公告)号：CN118470343A
公开(公告)日：2024-08-09
申请号：CN202410941479.2
申请日：2024-07-15
Applicant: 湖南大学
Abstract: 本申请涉及一种基于梯度惩罚的计算机视觉特征提取方法，对多媒体数据进行预处理；将预处理后的多媒体数据及其标注信息输入至神经网络模型，计算第一损失函数；基于第一损失函数对神经网络模型的输入数据进行反向传播，得到第一损失函数对输入数据的一阶导数；根据第一损失函数对输入数据的一阶导数计算梯度惩罚损失函数；根据第一损失函数和梯度惩罚损失函数对神经网络模型进行二次反向传播，二次反向传播的目标为模型参数，并更新模型参数；重复执行，直至达到最大训练次数，得到训练完成的神经网络模型；将待提取特征的医学的多媒体数据输入至训练完成的神经网络模型，输出预测结果。该方法可提升模型识别精度，同时可提升模型对抗攻击的能力。
-
公开(公告)号：CN118470343B
公开(公告)日：2024-09-27
申请号：CN202410941479.2
申请日：2024-07-15
Applicant: 湖南大学
Abstract: 本申请涉及一种基于梯度惩罚的计算机视觉特征提取方法，对多媒体数据进行预处理；将预处理后的多媒体数据及其标注信息输入至神经网络模型，计算第一损失函数；基于第一损失函数对神经网络模型的输入数据进行反向传播，得到第一损失函数对输入数据的一阶导数；根据第一损失函数对输入数据的一阶导数计算梯度惩罚损失函数；根据第一损失函数和梯度惩罚损失函数对神经网络模型进行二次反向传播，二次反向传播的目标为模型参数，并更新模型参数；重复执行，直至达到最大训练次数，得到训练完成的神经网络模型；将待提取特征的医学的多媒体数据输入至训练完成的神经网络模型，输出预测结果。该方法可提升模型识别精度，同时可提升模型对抗攻击的能力。
-
公开(公告)号：CN118470253A
公开(公告)日：2024-08-09
申请号：CN202410939983.9
申请日：2024-07-15
Applicant: 湖南大学
Abstract: 本申请涉及一种用于医学图像的表面网格重建方法，该方法包括：S1：构建医学图像重建模型，所述医学图像重建模型包括CNN特征提取部分、特征增强与映射部分、GNN形变部分；S2：将获取的3D体素医学图像经过所述CNN特征提取部分，提取目标组织的特征图；S3：通过所述特征增强与映射部分对所述目标组织的特征图进行增强；S4：基于增强的特征图，并通过所述GNN形变部分对模板网格进行变形，得到预测网格。该方法通过构建医学图像重建模型，提取3D体素医学图像的特征用以对模板网格进行变形，最终得到预测网格，有效提高了医学图像表面网格重建的准确性。
-
-
-
Search Results
4
records
(took 0.021 seconds)
