-
公开(公告)号：CN116739992B
公开(公告)日：2023-12-22
申请号：CN202310554269.3
申请日：2023-05-17
Applicant: 福州大学 , 福建医科大学附属协和医院
IPC: G06T7/00 , G06T7/11 , G06T5/50 , G06T5/30 , G06T3/40 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种甲状腺被膜侵犯智能辅助判读方法。该方法主要采用本研究自行提出的一种提供高效的局部‑全局融合与Transformer和CNN并行网络的生物医学图像分割方法。本研究提出的模型使用方便，输入一张甲状腺超声图片，即可输出一张有着疑似甲状腺结节的定位和分割图片，自动化的得到甲状腺结节初步判读结果，能够大大的减轻医生的阅片时间和诊断难度，提升医生的工作效率，为判断甲状腺结节患者的预后及治疗手段的改善提到积极的作用，具有非常重要的意义和广阔的前景。(56)对比文件郜佳琪.基于 Swin Transformer 的嵌入式零样本学习算法《.小型微型计算机系统》.2023,全文.曹玉珍.基于超声影像的甲状腺结节智能分割算法《.天津大学学报（自然科学与工程技术版）》.2022,第55卷(第7期),第2-4页的1-2节.
-
Patent Agency Ranking
公开(公告)号：CN116596890A
公开(公告)日：2023-08-15
申请号：CN202310574404.0
申请日：2023-05-22
Applicant: 福州大学 , 福建医科大学附属协和医院
IPC: G06T7/00 , G06T5/20 , G06T3/40 , G06V10/26 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出基于图卷积网络的动态图像甲状腺癌危险分层预测方法，包括以下步骤；步骤一、采用图像滤波增强和超分辨率网络来对超声图像进行预处理，设计用于甲状腺超声图像分割的基于图卷积神经网络结构的算法，建立对应的网络模型进行训练；步骤二、以基于人工智能技术的动态超声影像组学的特征提取方法，对动态的视频序列进行特征提取，并引入深度学习方法来融合动态的超声影像组学，使提取的影像组学特征更为丰富；步骤三、利用多分支神经网络模型，综合多种不同模态的数据，通过挖掘不同模态数据互补信息来计算多模态生物标记物，以此建立可指导临床决策的甲状腺癌危险分层预测模型；本发明能够提高甲状腺癌危险分层的准确性和精度。
-
公开(公告)号：CN116739992A
公开(公告)日：2023-09-12
申请号：CN202310554269.3
申请日：2023-05-17
Applicant: 福州大学 , 福建医科大学附属协和医院
IPC: G06T7/00 , G06T7/11 , G06T5/50 , G06T5/30 , G06T3/40 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种甲状腺被膜侵犯智能辅助判读方法。该方法主要采用本研究自行提出的一种提供高效的局部‑全局融合与Transformer和CNN并行网络的生物医学图像分割方法。本研究提出的模型使用方便，输入一张甲状腺超声图片，即可输出一张有着疑似甲状腺结节的定位和分割图片，自动化的得到甲状腺结节初步判读结果，能够大大的减轻医生的阅片时间和诊断难度，提升医生的工作效率，为判断甲状腺结节患者的预后及治疗手段的改善提到积极的作用，具有非常重要的意义和广阔的前景。
-
公开(公告)号：CN116612086A
公开(公告)日：2023-08-18
申请号：CN202310574449.8
申请日：2023-05-22
Applicant: 福州大学 , 福建医科大学附属协和医院
IPC: G06T7/00 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明提出双编码结构和级联空洞卷积的甲状腺结节智能分类方法，用于对医学图像分类，所述方法基于分类网络模型，所述分类网络模型将Transformer网络和卷积神经网络两者的编码器融合，形成增强的双编码器结构，使用Transformer网络的Swin Transforme作为第一个编码器的主干，以捕捉医学图像像素之间的长距离依赖；使用基于卷积神经网络的Efficientnet‑b3模块作为第二个编码器的主干，通过缩放网络的深度、宽度和分辨率三个维度来找到最适合的模型参数，实现分类网络模型的复合系数简化及效率提升；本发明能提升甲状腺结节分类的准确率。
-
公开(公告)号：CN113269776A
公开(公告)日：2021-08-17
申请号：CN202110657980.2
申请日：2021-06-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于暗通道和前景显著概率的目标检测方法。首先提出一种基于L*、a*和b*颜色特征分量的改进的颜色空间体积算法，利用颜色体积来突出显著目标，抑制背景区域。其次，在显著性检测中引入暗通道，即提出一种全新的基于暗通道的融合算法，进一步获得更清晰边界、更均匀的显著分割图。再次，我们观察到，在颜色空间体积上，前景具有比其相邻区域更高的外观亮度。因此，我们提出了一种新的前景度量方法，即利用颜色空间的亮度来检测前景。最后，为了减少显著目标信息的丢失，避免遗漏显著区域检测提出了一种新的加权组合，利用融合概率图得到清晰、均匀的显著图。
-
公开(公告)号：CN113313719A
公开(公告)日：2021-08-27
申请号：CN202110652216.6
申请日：2021-06-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于视觉注意机制和模型拟合的白细胞分割方法。本发明首先提出了一个基于视觉注意机制的颜色空间体积，以突出显示细胞核区域，然后使用自适应阈值方法分割细胞核。然后，提出了一个基于边界先验知识并移除背景区域，将得到的中心区域作为初始白细胞区域，进一步通过边缘检测获取白细胞轮廓，将得到的白细胞轮廓减去细胞核得到细胞质分割结果。最后，本发明提出了一个基于模型拟合策略的方法来解决白细胞粘连的问题，有效地将白细胞（包括细胞核、细胞质）从外周血涂片图像中分割出来，并对分割得到的白细胞进行计数和分类，有效地降低人为误差的影响。
-
-
-
-
-
Search Results
6
records
(took 0.028 seconds)
