-
Patent Agency Ranking
公开(公告)号：CN111462049B
公开(公告)日：2022-05-17
申请号：CN202010159426.7
申请日：2020-03-09
Applicant: 西南交通大学
Abstract: 本发明公开了一种乳腺超声造影视频中病灶区形态自动标注方法，设计一个端到端的网络模型结构只需将待识别数据送入模型中，模型自动对每帧图像进行卷积操作，提取出分类依据的判别特征。整个识别过程中无需人工勾画病灶区范围，因为某些病灶形态特征描述有关正常组织下的造影变化与病变组织造影变化对比，如增强强度、增强时序等，因此使用卷积神经网络中的卷积自动对整个造影视频帧序列进行卷积计算，通过计算得出的特征值表现出正常组织与病变区域的映射数据，并根据网络规则进行对比得出结果。此外，如蟹足状、增强顺序等形态特征，使用所设计网络对视频连续帧的时空特征自动计算出该形态动态变化所对应的特征。
-
公开(公告)号：CN110910404B
公开(公告)日：2020-08-04
申请号：CN201911129522.0
申请日：2019-11-18
Applicant: 西南交通大学
Abstract: 本发明公开了一种抗噪声数据的乳腺超声结节分割方法，本发明使用Unet网络训练分割模型，根据损失函数对分割模型进行训练，优化模型参数，使用focalloss函数和diceloss函数联合作为训练模型的损失函数。对训练好的分割模型，通过输入乳腺二维超声图像，模型自动输出结节掩模图像，再运用阈值对掩模图像进行更新，再根据掩模图像标记原乳腺超声图像结节区域，得到分割结果。本发明突破了基础网络对数据集高可靠性的限制，本发明对训练数据集包含一定量的噪声数据具有很高的容忍性，降低了数据集扩充的难度，同时保证了高数据样本量对神经网络准确率的增益特性。
-
公开(公告)号：CN111398945A
公开(公告)日：2020-07-10
申请号：CN202010159049.7
申请日：2020-03-09
Applicant: 西南交通大学
Abstract: 本发明提出基于慢时间滑窗滤波器的稀疏动目标检测方法，属于雷达动目标探测方法领域，首先基于广义模糊函数设计了区域多普勒容限积累最优为准则的脉冲重复间隔序列优化问题，然后通过问题转化，最终通过黄金区域搜索法获得最优解。本发明的目的在于提供一种全新的稀疏目标环境下的雷达动目标探测方法，引入广义模糊函数的概念，并通过设计二次调制脉冲重复间隔序列以及对应的慢时间匹配滤波器，简化了动目标检测处理流程，同时增强给定多普勒范围的稀疏动目标检测能力。
-
公开(公告)号：CN111462049A
公开(公告)日：2020-07-28
申请号：CN202010159426.7
申请日：2020-03-09
Applicant: 西南交通大学
Abstract: 本发明公开了一种乳腺超声造影视频中病灶区形态自动标注方法，设计一个端到端的网络模型结构只需将待识别数据送入模型中，模型自动对每帧图像进行卷积操作，提取出分类依据的判别特征。整个识别过程中无需人工勾画病灶区范围，因为某些病灶形态特征描述有关正常组织下的造影变化与病变组织造影变化对比，如增强强度、增强时序等，因此使用卷积神经网络中的卷积自动对整个造影视频帧序列进行卷积计算，通过计算得出的特征值表现出正常组织与病变区域的映射数据，并根据网络规则进行对比得出结果。此外，如蟹足状、增强顺序等形态特征，使用所设计网络对视频连续帧的时空特征自动计算出该形态动态变化所对应的特征。
-
公开(公告)号：CN110910404A
公开(公告)日：2020-03-24
申请号：CN201911129522.0
申请日：2019-11-18
Applicant: 西南交通大学
Abstract: 本发明公开了一种抗噪声数据的乳腺超声结节分割方法，本发明使用Unet网络训练分割模型，根据损失函数对分割模型进行训练，优化模型参数，使用focalloss函数和diceloss函数联合作为训练模型的损失函数。对训练好的分割模型，通过输入乳腺二维超声图像，模型自动输出结节掩模图像，再运用阈值对掩模图像进行更新，再根据掩模图像标记原乳腺超声图像结节区域，得到分割结果。本发明突破了基础网络对数据集高可靠性的限制，本发明对训练数据集包含一定量的噪声数据具有很高的容忍性，降低了数据集扩充的难度，同时保证了高数据样本量对神经网络准确率的增益特性。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
