-
公开(公告)号：CN112967240A
公开(公告)日：2021-06-15
申请号：CN202110215672.4
申请日：2021-02-26
Applicant: 江南大学
Abstract: 本发明公开了基于深层3D网络与迁移学习的医学图像生成方法，本发明利用图像预处理、制作数据集、数据增强、模型训练、观测模型、网格寻优、再次训练、再次核对、数据测试、评价指标、结果讨论的方式进行模型的训练，并最终利用该模型进行医学图像的生成，涉及医学图像处理技术领域，本发明科学合理，使用安全方便，在本模型中，是将原始图像分成若干个区域，计算各个域的Softmax数值求取平均值，本发明的模型仅仅需要两类医学图像即可，并没有过多的要求，这对于临床实践而言是有意义的；本发明的模型是两个域之间的转换，可以同时进行两种图像的转换，从转换效率而言，本发明的模型转化效率更高。
-
公开(公告)号：CN118797448A
公开(公告)日：2024-10-18
申请号：CN202411284257.4
申请日：2024-09-13
IPC: G06F18/241 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06F18/10 , G06F18/2131 , G06F123/02
Abstract: 本发明涉及机器故障诊断技术领域，公开了一种基于迁移学习的多尺度智能决策方法，包括：获取源域与目标域中的机械故障振动时序长信号，构建源域训练集与目标域训练集；在源域训练集中，对时序分信号进行预处理后，提取时域特征与频域特征，并映射为低维时域特征与低维频域特征；计算特征之间的互相关矩阵，构建互相关损失函数，来训练编码器，获取源域优化时域信号编码器，并迁移至目标域，与初始分类器，组成初始多尺度智能决策模型；对目标域时序分信号进行预测，与其真实标签，构建交叉熵损失函数，训练获取目标多尺度智能决策模型；将实时采集的机械故障振动时序长信号，预处理后分别输入目标多尺度智能决策模型中，获取对应的故障类别。
-
公开(公告)号：CN117078996A
公开(公告)日：2023-11-17
申请号：CN202310756498.3
申请日：2023-06-26
Applicant: 江南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G16H50/20 , G16H50/30 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像识别领域，公开一种基于渐进式混合特征图识别直肠癌的系统、介质、设备，包括：数据获取模块获取直肠图像，预处理后作为训练集；网络构建模块构建卷积神经网络模型，模型包括：对特征图通道之间的相互依赖关系进行建模的残差压缩和提取模块，逐层整合分类结果的渐进式输出模块，减少直肠图像中低纬度特征信息损失的感受野辅助模块；训练模块使用训练集训练卷积神经网络模型，预测模块将待测直肠图像输入训练完成的卷积神经网络模型得到对直肠癌分期的判断结果。本发明可以降低对数据集的依赖性、提高对直肠癌分期预测的准确性和客观性、辅助医生提高诊断效率。
-
公开(公告)号：CN113066562A
公开(公告)日：2021-07-02
申请号：CN202110441339.5
申请日：2021-04-23
Applicant: 江南大学
Abstract: 本发明公开了一种基于5g的医疗图像传输方法及系统，包括患者应用模块、医生应用模块、医疗图像存储模块、医疗图像分类模块、病变位置确认模块、病变位置对比模块、复诊阶段分析模块、患者就诊阶段匹配模块、患者就诊经验交流模块、医疗图像传输模块、专家信息整合模块、医患信息匹配模块，本发明的有益效果在于：通过对医疗图像进行分类和患者复诊次数以及下一次复诊时间的统计，并判断医疗图像中不同患者的病变位置以及病变位置处的病变程度，分析患者所处就诊阶段，智能调整处于患者的复诊时间，并为患者之间提供交流渠道，以提高复诊率，进一步对医生的综合能力进行分析，将医生与患者进行匹配，为患者提供咨询渠道。
-
Patent Agency Ranking
公开(公告)号：CN117726815B
公开(公告)日：2024-07-02
申请号：CN202311758269.1
申请日：2023-12-19
Applicant: 江南大学
IPC: G06V10/26 , G06V20/70 , G06V10/82 , G06V10/52 , G06V10/80 , G06V10/762 , G06V10/764 , G06N3/045 , G06N3/084
Abstract: 本申请公开了一种基于异常检测的小样本医学图像分割方法，涉及医学技术领域，该方法利用特征提取模块对输入的支持切片图像提取支持特征以及对输入的查询切片图像提取查询特征，利用原型提取模块基于支持特征及对应的超像素标签提取得到各个前景类别的前景原型，利用异常检测模块基于查询特征和各个前景类别的前景原型得到分割结果，继而结合对应的超像素标签计算得到损失函数进行模型训练用于小样本医学图像分割。该方法引入异常检测模块使得网络模型能够更好地适应医学图像的特殊性，从而更好地应对不同器官、不同密度和不同结构的医学图像分割，能够有效提高小样本医学图像分割的性能和可靠性。
-
公开(公告)号：CN117079095A
公开(公告)日：2023-11-17
申请号：CN202310751557.8
申请日：2023-06-25
Applicant: 江南大学
IPC: G06V10/82 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/096 , G06N3/0985
Abstract: 本发明涉及计算机视觉技术领域，公开一种基于深度学习的高空抛物检测方法、系统、介质和设备，包括：获取高空抛物物体的图像并进行预处理，结合预处理后的图像建立有标注的数据集，对数据集进行数据增强并分成训练集、验证集和测试集；构建包括自注意力机制的轻量级神经网络模型，使用训练集训练模型，结合网格寻优和验证集优化训练后的模型得到最终的模型；将测试集输入最终的模型得到高空抛物物体的检测结果。本发明可以加快运算速度、提高实时处理能力，提升模型对目标位置的定位能力，提高对高空抛物物体的检测效果。
-
公开(公告)号：CN114638745B
公开(公告)日：2023-08-18
申请号：CN202210258218.1
申请日：2022-03-16
Applicant: 江南大学
IPC: G06T3/00 , G06T7/33 , G06N3/0464 , G06N3/0455 , G06N3/0985
Abstract: 本发明公开了一种基于多借鉴信息的医学影像智能转换方法，涉及图像处理技术领域，该方法将待转换MR图像输入医学影像转换模型得到由待转换MR图像转换得到的CT图像，模型中的多借鉴信息提取模块提取待转换MR图像的若干层多借鉴信息，各层多借鉴信息反映待转换MR图像的高维特征并分别输入模型的解码模块的各个解码层中，可以达到可解释性和减少传统对抗生成网络中不可避免的随机性，从而将MR图像高效率、高质量的转换为CT图像。
-
公开(公告)号：CN115409988A
公开(公告)日：2022-11-29
申请号：CN202211080120.8
申请日：2022-09-05
Applicant: 江南大学
Abstract: 本发明适用于图像处理技术领域，提供了一种医学图像分割模型的构建方法、系统、设备和存储介质，所述方法包括以下步骤：获取用于进行模型训练的图像数据集；根据所述图像数据集进行医学图像分割模型的训练；对所述医学图像分割模型进行观测以进行网格寻优以确定最优参数，直至所述医学图像分割模型达到最佳拟合后完成医学图像分割模型的构建，本发明实施例在进行上采样时能够获取到更多的高分辨率信息，进而更完善地恢复原始图像中的细节，医学图像分割模型能够保留更多高层特征图蕴含的高分辨率信息，从而提高了图像分割精度。
-
公开(公告)号：CN114638745A
公开(公告)日：2022-06-17
申请号：CN202210258218.1
申请日：2022-03-16
Applicant: 江南大学
Abstract: 本发明公开了一种基于多借鉴信息的医学影像智能转换方法，涉及图像处理技术领域，该方法将待转换MR图像输入医学影像转换模型得到由待转换MR图像转换得到的CT图像，模型中的多借鉴信息提取模块提取待转换MR图像的若干层多借鉴信息，各层多借鉴信息反映待转换MR图像的高维特征并分别输入模型的解码模块的各个解码层中，可以达到可解释性和减少传统对抗生成网络中不可避免的随机性，从而将MR图像高效率、高质量的转换为CT图像。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.017 seconds)
