-
公开(公告)号：CN112598634B
公开(公告)日：2022-11-25
申请号：CN202011499386.7
申请日：2020-12-18
Applicant: 燕山大学
IPC: G06T7/73 , G06T7/00 , G06T7/62 , G06V10/764
Abstract: 本发明涉及医疗图像处理技术领域，具体涉及一种基于3D CNN和迭代搜索的CT影像器官定位方法，包括以下步骤：提取所有目标器官确定对应所述目标器官在目标CT影像中的位置；基于所述目标器官，进行分距离多密度块采样；设置损失函数，结合所述训练网络模型进行迭代搜索，得到各类器官定位信息。本发明只需要单个网络即可实现对全部器官进行3D bounding box预测，灵活且容易复现。同时，可以忽略体积的影响，对任意大小的原始CT图像进行准确预测，并取得准确地定位结果，在算法性能上得到很大提升。
-
Patent Agency Ranking
公开(公告)号：CN112598003B
公开(公告)日：2022-11-25
申请号：CN202011499496.3
申请日：2020-12-18
Applicant: 燕山大学
IPC: G06V10/26 , G06V20/00 , G06V10/44 , G06V10/46 , G06V10/75 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于数据扩充和全监督预处理的实时语义分割方法。本发明通过设置细节路径部分、空间路径部分，其中，细节路径部分利用高分辨率的输入得到丰富的边界信息，空间路径部分利用细节路径部分产生的高质量特征图获得足够大的感受野，最后利用图像融合方式进行融合处理，以达到在计算速度与分割性能之间取得良好的平衡；在空间路径部分的后面加入了注意力模块，并通过特征融合模块将细节信息和空间信息有效结合；同时，本发明还通过裁剪—粘贴小目标的方式，增加小目标点在训练集上的比重，实现提升小目标点的分割结果。
-
公开(公告)号：CN115049681B
公开(公告)日：2024-08-27
申请号：CN202210727665.7
申请日：2022-06-22
Applicant: 燕山大学
Abstract: 本发明公开了基于多尺度滤波器的CT影像皮肤分割方法，属于医疗图像处理技术领域，包括获取CT图像和与之相应的皮肤轮廓区域(SKN)、骨骼肌组织外轮廓(OAM)、骨骼肌组织内轮廓(IAM)；对CT图像进行Min‑Max归一化处理，通过皮肤轮廓区域(SKN)、骨骼肌组织外轮廓(OAM)、骨骼肌组织内轮廓(IAM)获得皮肤组织的重点感兴趣区域(ROI)；通过2D滤波器对经过在人体Z轴(头至足部方向为Z轴)切片处理后得到的多帧人体2DCT图像，并进行滑动窗口操作，通过该2D滤波器进行滑动窗口计算方法，得到分割结果；该方法可完成对CT图像中皮肤组织的端到端分割，灵活且容易复现。
-
公开(公告)号：CN115049681A
公开(公告)日：2022-09-13
申请号：CN202210727665.7
申请日：2022-06-22
Applicant: 燕山大学
Abstract: 本发明公开了基于多尺度滤波器的CT影像皮肤分割方法，属于医疗图像处理技术领域，包括获取CT图像和与之相应的皮肤轮廓区域(SKN)、骨骼肌组织外轮廓(OAM)、骨骼肌组织内轮廓(IAM)；对CT图像进行Min‑Max归一化处理，通过皮肤轮廓区域(SKN)、骨骼肌组织外轮廓(OAM)、骨骼肌组织内轮廓(IAM)获得皮肤组织的重点感兴趣区域(ROI)；通过2D滤波器对经过在人体Z轴(头至足部方向为Z轴)切片处理后得到的多帧人体2DCT图像，并进行滑动窗口操作，通过该2D滤波器进行滑动窗口计算方法，得到分割结果；该方法可完成对CT图像中皮肤组织的端到端分割，灵活且容易复现。
-
公开(公告)号：CN112598634A
公开(公告)日：2021-04-02
申请号：CN202011499386.7
申请日：2020-12-18
Applicant: 燕山大学
Abstract: 本发明涉及医疗图像处理技术领域，具体涉及一种基于3D CNN和迭代搜索的CT影像器官定位方法，包括以下步骤：提取所有目标器官确定对应所述目标器官在目标CT影像中的位置；基于所述目标器官，进行分距离多密度块采样；设置损失函数，结合所述训练网络模型进行迭代搜索，得到各类器官定位信息。本发明只需要单个网络即可实现对全部器官进行3D bounding box预测，灵活且容易复现。同时，可以忽略体积的影响，对任意大小的原始CT图像进行准确预测，并取得准确地定位结果，在算法性能上得到很大提升。
-
公开(公告)号：CN112598003A
公开(公告)日：2021-04-02
申请号：CN202011499496.3
申请日：2020-12-18
Applicant: 燕山大学
Abstract: 本发明公开了一种基于数据扩充和全监督预处理的实时语义分割方法。本发明通过设置细节路径部分、空间路径部分，其中，细节路径部分利用高分辨率的输入得到丰富的边界信息，空间路径部分利用细节路径部分产生的高质量特征图获得足够大的感受野，最后利用图像融合方式进行融合处理，以达到在计算速度与分割性能之间取得良好的平衡；在空间路径部分的后面加入了注意力模块，并通过特征融合模块将细节信息和空间信息有效结合；同时，本发明还通过裁剪—粘贴小目标的方式，增加小目标点在训练集上的比重，实现提升小目标点的分割结果。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
