-
Patent Agency Ranking
公开(公告)号：CN113379682B
公开(公告)日：2022-10-04
申请号：CN202110557989.6
申请日：2021-05-21
Applicant: 郑州大学
Abstract: 本发明提出了一种心脏MRI影像耦合水平集分割方法及系统，该方法包括基于卷积神经网络的心肌内膜和外膜的粗分割阶段，以及基于耦合水平集方法的心肌内膜和外膜的精分割阶段；所述粗分割阶段，采用U‑Net框架分别构建心肌内膜和外膜的分割模型；在精分割阶段，基于距离平滑变化约束的耦合水平集模型，设定距离平滑变化的约束条件，结合水平集的长度、规则约束，以及气球力项，用两个水平集函数分别提取心肌内膜和外膜的轮廓。本发明通过使用深度学习模型，结合基于距离约束的水平集方法，能够实现心脏MRI影像的自动精准分割，节省临床医生手动分割影像的时间，大大提高影像分割的效率。
-
公开(公告)号：CN113379682A
公开(公告)日：2021-09-10
申请号：CN202110557989.6
申请日：2021-05-21
Applicant: 郑州大学
Abstract: 本发明提出了一种心脏MRI影像耦合水平集分割方法及系统，该方法包括基于卷积神经网络的心肌内膜和外膜的粗分割阶段，以及基于耦合水平集方法的心肌内膜和外膜的精分割阶段；所述粗分割阶段，采用U‑Net框架分别构建心肌内膜和外膜的分割模型；在精分割阶段，基于距离平滑变化约束的耦合水平集模型，设定距离平滑变化的约束条件，结合水平集的长度、规则约束，以及气球力项，用两个水平集函数分别提取心肌内膜和外膜的轮廓。本发明通过使用深度学习模型，结合基于距离约束的水平集方法，能够实现心脏MRI影像的自动精准分割，节省临床医生手动分割影像的时间，大大提高影像分割的效率。
-
公开(公告)号：CN113496482B
公开(公告)日：2022-10-04
申请号：CN202110559673.0
申请日：2021-05-21
Applicant: 郑州大学
Abstract: 本发明提供了一种毒驾试纸图像分割模型、定位分割方法及便携式装置，其中，图像分割模型采用编码器‑解码器网络架构；在编码器网络部分，首先采用单层卷积提取图像特征，之后将图像特征逐渐传递至后续的三个采用跳层连接的卷积块ConvBlock，三个卷积块ConvBlock都由两组滑动步长为1的卷积层组合而成；在解码器网络部分，包括五个上采样组；定位分割方法包括：先进行网络模型训练，而后将待测原始图像作为输入图像，输入已训练好的网络模型，输出该图像中有效试纸区域；便携式装置，包括用于对检测试纸进行拍摄获取原始图像的摄像头和用于根据已训练好的毒驾试纸图像分割模型输出该图像中有效试纸区域的图像识别装置。
-
公开(公告)号：CN113496482A
公开(公告)日：2021-10-12
申请号：CN202110559673.0
申请日：2021-05-21
Applicant: 郑州大学
Abstract: 本发明提供了一种毒驾试纸图像分割模型、定位分割方法及便携式装置，其中，图像分割模型采用编码器‑解码器网络架构；在编码器网络部分，首先采用单层卷积提取图像特征，之后将图像特征逐渐传递至后续的三个采用跳层连接的卷积块ConvBlock，三个卷积块ConvBlock都由两组滑动步长为1的卷积层组合而成；在解码器网络部分，包括五个上采样组；定位分割方法包括：先进行网络模型训练，而后将待测原始图像作为输入图像，输入已训练好的网络模型，输出该图像中有效试纸区域；便携式装置，包括用于对检测试纸进行拍摄获取原始图像的摄像头和用于根据已训练好的毒驾试纸图像分割模型输出该图像中有效试纸区域的图像识别装置。
-
公开(公告)号：CN113378812A
公开(公告)日：2021-09-10
申请号：CN202110559663.7
申请日：2021-05-21
Applicant: 郑州大学
Abstract: 本发明提出了一种基于Mask R‑CNN和CRNN的数字表盘识别方法，构建基于Mask R‑CNN和CRNN的数字表盘识别模型后，将待识别原始图像输入模型即可输出识别的结果。识别模型按照以下方法训练获得：收集原始图像，划分训练数据集、验证数据集和测试数据集；将训练集图像进行标签操作得到标签图像；进行特征提取后获得感兴趣的目标框ROI；对融合特征图进行FCN操作，输出mask；对目标框ROI进行分类，输出类别class和标注框box；计算mask中所要识别区域的四点坐标，并通过透视变换，将四边形识别区域变换成矩形；将保存的矩形图像作为卷积循环神经网络模型CRNN的输入进行数字识别。
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
