-
公开(公告)号：CN113920129B
公开(公告)日：2025-04-08
申请号：CN202111089546.5
申请日：2021-09-16
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T7/11 , G06T5/20 , G06N3/0464 , G06V10/82 , G06V10/80 , G06V10/774
Abstract: 本发明涉及一种基于多尺度和全局上下文信息的医学图像分割方法和装置，该方法包括：获取待处理医学图像；提取待处理医学图像中的图像特征，得到特征图；学习特征图的多尺度的全局上下文信息；引导多尺度的全局上下文信息与译码器支路特征融合；根据预设尺度与权重的对应关系将与译码器支路特征融合后的多尺度的全局上下文信息组合，得到目标医学图像。本发明在一定程度上解决了相关技术的全卷积网络模型存在的感受野较小、模型深度较浅和编码解码过程信息损失大的问题。此外，本发明还在一定程度上解决了相关技术的全卷积网络模型由于在多尺度推理中使用平均池化策略组合多尺度结果的方法而存在的组合结果不准确的问题。
-
Patent Agency Ranking
公开(公告)号：CN113920067A
公开(公告)日：2022-01-11
申请号：CN202111122421.8
申请日：2021-09-24
Applicant: 电子科技大学
Abstract: 本发明涉及一种基于卷积神经网络的CT图像目标检测方法、装置及设备，属于图像目标检测技术领域，基于卷积神经网络的CT图像目标检测方法、装置及设备通过获取目标患者的CT图像；将CT图像输入至预设CT图像目标检测模型中，得到CT图像中的目标区域及目标区域的类别。通过预先设置CT图像目标检测模型，在CT图像目标检测模型中设置注意力机制模块，对特征图中的不同通道分配不同的权重，提取特征图中的有用新型，提升CT图像的目标检测成功率。
-
公开(公告)号：CN115984613A
公开(公告)日：2023-04-18
申请号：CN202211664362.1
申请日：2022-12-23
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06V10/40 , G06N3/0464
Abstract: 本发明公开了一种眼底图像分类方法、装置、设备和存储介质。该方法包括：获取待分类的第一眼底图像；对第一眼底图像进行预处理，获得预处理后的第二眼底图像；将第二眼底图像输入至预先训练后的图像分类网络模型中进行图像分类，图像分类网络模型用于对第二眼底图像进行细粒度特征的注意力处理，并基于处理结果进行分类；根据图像分类网络模型的输出，确定第一眼底图像对应的分类结果。通过本发明实施例的技术方案，可以实现眼底图像的自动分类，提高眼底图像分类的效率和准确性。
-
公开(公告)号：CN113920133A
公开(公告)日：2022-01-11
申请号：CN202111123890.1
申请日：2021-09-24
Applicant: 电子科技大学
Abstract: 本发明涉一种图像分割方法和装置，通过基于预设预处理算法对待分割图像进行增强得到增强图像；使用训练好的神经网络模型对增强图像进行分割，其中神经网络模型通过上采样获得增强图像的高分辨率信息并进行特征信息的提取，以得到详细的空间边界信息；神经网络模型通过对增强图像的图像信息的编码得到目标区域的位置信息；神经网络模型通过对详细的空间边界信息、目标区域的位置信息和跳跃连接所保留的原空间边界信息进行融合，以得到图像分割结果。单独的上采样链路去提取图像的高分辨率信息，能有效帮助网络对目标区域的边界实现精准预测。在对比度低且目标区域边界模糊这种困难的情况下实现对目标区域的较为准确的分割。
-
公开(公告)号：CN113920129A
公开(公告)日：2022-01-11
申请号：CN202111089546.5
申请日：2021-09-16
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T7/11 , G06T5/20 , G06N3/04 , G06V10/80 , G06V10/774
Abstract: 本发明涉及一种基于多尺度和全局上下文信息的医学图像分割方法和装置，该方法包括：获取待处理医学图像；提取待处理医学图像中的图像特征，得到特征图；学习特征图的多尺度的全局上下文信息；引导多尺度的全局上下文信息与译码器支路特征融合；根据预设尺度与权重的对应关系将与译码器支路特征融合后的多尺度的全局上下文信息组合，得到目标医学图像。本发明在一定程度上解决了相关技术的全卷积网络模型存在的感受野较小、模型深度较浅和编码解码过程信息损失大的问题。此外，本发明还在一定程度上解决了相关技术的全卷积网络模型由于在多尺度推理中使用平均池化策略组合多尺度结果的方法而存在的组合结果不准确的问题。
-
公开(公告)号：CN113689419A
公开(公告)日：2021-11-23
申请号：CN202111030782.X
申请日：2021-09-03
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明属于医疗技术领域，尤其是一种基于人工智能的图像分割处理方法，其包括以下处理方法步骤：S1：数据预处理：第一，创建N个数据文件，同时输入N个CT图像，并对N个CT图像数据进行勾画，存储到N个数据文件中；第二，对N个CT图像勾画后，进行简单的CT图像预处理；第三，将N个数据文件作为样本并归一化，最后进行数据集的划分图像数据；S2：使用基模型对归一化后的数据文件进行处理；S3：创建风格适应训练模型，风格模型创建为M个。本发明通过基模型与风格模型的结构让模型适应不同医生的勾画风格，从而当新的数据通过模型进行预测勾画时，为医生的临床诊断治疗提供便利。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
