-
公开(公告)号：CN112950643A
公开(公告)日：2021-06-11
申请号：CN202110217241.1
申请日：2021-02-26
Applicant: 东北大学
Abstract: 本发明涉及医学图像分割技术领域，提供一种基于特征融合深监督U‑Net的新冠肺炎病灶分割方法，包括：步骤1：获取初始样本集；步骤2：对初始样本集进行预处理；步骤3：获取训练样本集与验证样本集；步骤4：对训练样本集进行数据增广；步骤5：搭建基于特征融合深监督U‑Net的胸部CT影像中COVID‑19病灶区域自动分割模型包括编码器、解码器、跳跃连接、特征融合块、深监督分支，特征融合块添加在不同层级的跳跃连接间，深监督分支添加在解码器部分；步骤6：训练分割模型；步骤7：对待分割的胸部三维CT扫描图像进行分割。本发明能够实现胸部CT中COVID‑19病灶区域的自动分割，提高分割的准确性、快速性。
-
公开(公告)号：CN108171703B
公开(公告)日：2020-09-15
申请号：CN201810050741.9
申请日：2018-01-18
Applicant: 东北大学
Abstract: 本发明属于基于医学图像的图像处理技术领域，尤其涉及一种从胸部CT图像中自动提取气管树的方法。从胸部CT图像中获取主气管与主支气管；根据3D区域生长分割方式和已获取主气管与主支气管信息，建立自适应阈值3D区域生长分割模型和自适应阈值泄漏模型；利用自适应阈值3D区域生长分割模型和自适应阈值泄漏模型，提取胸部CT图像的第二类气管分支；根据提取的第二类气管分支的中间信息，调整自适应阈值3D区域生长模型和自适应阈值泄露模型的参数，然后提取所述胸部CT图像的第三类气管分支；基于已获取气管树拓扑结构提取末梢气管分支，获得所述胸部CT图像的气管树。本发明提供的方法提高了从CT图像中提取气管树的气管分割精度，同时降低提取时间。
-
公开(公告)号：CN111104226A
公开(公告)日：2020-05-05
申请号：CN201911354225.6
申请日：2019-12-25
Applicant: 东北大学
Abstract: 本发明提供一种多租户服务资源的智能管理系统及方法，涉及计算机技术技术领域。该系统及方法通过服务资源登记模块初始化云平台可用资源数量，服务资源分配模块结合新增租户等级、具体需求、其他当前相似租户的服务需求、以及云平台当前运行状态，为新增租户分配服务资源；由服务资源监测模块实时监测所有活动租户的实时需求，以及云平台当前运行状态，并实时记录平台运行状态到日志文件；由服务资源调节模块结合云平台运行状态调整租户服务资源；由服务资源回收模块收回服务资源；由云平台日志登记与回滚模块根据日志文件重启并回滚崩溃前的租户任务。本系统及方法实现了对云平台基础设施、平台使用权、软件运行权等服务资源的动态实时管理。
-
公开(公告)号：CN107230204B
公开(公告)日：2019-11-22
申请号：CN201710374181.8
申请日：2017-05-24
Applicant: 东北大学
Abstract: 本发明公开一种从胸部CT图像中提取肺叶的方法及装置，涉及计算机技术领域。该方法包括基于3D区域生长的肺实质提取过程、基于区域特征的左右肺粘连气管剔除过程、肺血管根部剔除过程、基于拓扑细化的肺血管中心路经提取过程和基于支持向量机分类的肺叶分割算法，以获得肺叶组织。本发明能够准确的从胸部CT图像中提取出肺叶，准确的完成对每个肺叶的病情程度的定量评估，对肺部疾病的诊断和治疗更加准确和有效。
-
公开(公告)号：CN107341497A
公开(公告)日：2017-11-10
申请号：CN201611038696.2
申请日：2016-11-11
Applicant: 东北大学
IPC: G06K9/62
CPC classification number: G06K9/6277
Abstract: 本发明涉及数据挖掘技术领域，提出结合选择性升采样的不均衡数据流加权集成分类预测方法，包括根据相似度对历史数据块的少数类样本进行筛选，选择与当前训练数据块概念最相近的样本；对选择的样本通过在决策边界区域合成新样本以达到选择地实施升采样；采用基于概率分布相关度的权重分配策略对新样本进行加权集成分类处理。通过选择相似度高的历史数据和合成边界区域的新数据来有效增加少数类样本信息，扩大少数类的决策域；同时为了适应存在概念漂移的动态数据，使用集成分类思想，设计一种基于概率分布相关度的权重分配策略，提升整体分类精度。实验结果表明该算法有效地提高了少数类的识别率以及整体的分类性能，具有更好的处理不均衡数据流的优势。
-
Patent Agency Ranking
公开(公告)号：CN114596317B
公开(公告)日：2025-05-06
申请号：CN202210253312.8
申请日：2022-03-15
Applicant: 东北大学
IPC: G06T7/10 , G06T3/4007 , G06N3/08 , G06N3/0464 , G06V10/774 , G06V10/82 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的CT影像全心脏分割方法；涉及医学图像领域；在网络编码阶段中引入残差模块，增强了网络捕捉全心脏子结构特征的能力。在解码阶段引入基于注意力机制的多尺度融合模块，该模块在反卷积之后融合多尺度特征并进行特征重利用，更好的融合了低级特征和高级特征。同时将加权交叉熵损失函数和加权DICE损失函数结合解决了类失衡问题，在分割细节上起到了良好的驱动作用。本发明实现方法简单，自动将全心脏分成7个子结构，包括左心房、左心室、左心室心肌、右心房、右心室、肺动脉、升动脉，测试一个数据只需几秒钟，极大的减少了医生投入的时间和学习成本，处理过程不需要人工交互，达到了应用的要求。
-
公开(公告)号：CN118197621A
公开(公告)日：2024-06-14
申请号：CN202410309858.X
申请日：2024-03-19
Applicant: 东北大学
IPC: G16H50/30 , A61B5/349 , A61B5/364 , A61B5/00 , G16H50/70 , G06F18/241 , G06N3/0464 , G06N3/08 , G06N3/048
Abstract: 本发明提供一种基于深度学习的LBBB及左心收缩功能障碍自动检测方法，涉及医学辅助检测技术领域。使用深度神经网络自动识别真性LBBB患者并进一步识别出LBBB患者中是否伴有左心室射血分数减低，计算出LVEF整数值，自动评估左心室收缩功能下降程度，实现心功能障碍的早期筛查和实时监测，为临床诊疗提供可靠的参考信息。本发明使用深度学习的方法实现了LBBB患者及其LVEF的自动检测，在多个LBBB心电图中进行测试，结果表明该方法在不同的心电图上，能够较为准确地预测LVEF值，运算速度满足实时性要求。本发明实现方法简单，运算速度快，结果准确性高，且处理过程不需要人工交互，达到了临床应用的要求。
-
公开(公告)号：CN118053501A
公开(公告)日：2024-05-17
申请号：CN202410145086.0
申请日：2024-02-01
Applicant: 东北大学
IPC: G16B40/20 , G16B40/30 , G16B25/10 , G16B25/30 , G06F18/2111 , G06F18/2113 , G06F18/23 , G06F18/2411 , G06F18/243 , G06F18/27 , G06N5/01 , G06N20/20
Abstract: 本发明提供一种基于遗传算法的生物标志物识别方法，涉及机器学习技术领域。该方法首先利用mRMR算法对高维的基因微阵列数据进行过滤；然后通过多种机器学习方法的特征选择结果与OBL算法相结合生成初始化种群，最后使用改进的遗传算法进行最优特征子集的选择，实现生物标志物的识别。该方法融合了不同特征选择算法的优势，还结合了全局搜索和局部搜索进行特征选择，得到的最优个体向量能够保留较少的特征数目且具备较高的分类准确率，实现了较好的分类效果。
-
公开(公告)号：CN112950643B
公开(公告)日：2024-04-05
申请号：CN202110217241.1
申请日：2021-02-26
Applicant: 东北大学
IPC: G06T7/10 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及医学图像分割技术领域，提供一种基于特征融合深监督U‑Net的新冠肺炎病灶分割方法，包括：步骤1：获取初始样本集；步骤2：对初始样本集进行预处理；步骤3：获取训练样本集与验证样本集；步骤4：对训练样本集进行数据增广；步骤5：搭建基于特征融合深监督U‑Net的胸部CT影像中COVID‑19病灶区域自动分割模型包括编码器、解码器、跳跃连接、特征融合块、深监督分支，特征融合块添加在不同层级的跳跃连接间，深监督分支添加在解码器部分；步骤6：训练分割模型；步骤7：对待分割的胸部三维CT扫描图像进行分割。本发明能够实现胸部CT中COVID‑19病灶区域的自动分割，提高分割的准确性、快速性。
-
公开(公告)号：CN110517271B
公开(公告)日：2023-02-07
申请号：CN201910776575.5
申请日：2019-08-22
Applicant: 东北大学
IPC: G06T7/11
Abstract: 本发明提供一种先验形状约束的图像水平集分割方法，涉及计算机视觉及图像处理技术领域。该方法读取待分割图像，并初始化图像的水平基函数和形状先验水平集函数；建立图像水平集分割的能量泛函，设定水平集方法中的参数；然后分别更新第j次迭代的聚簇中心集合、图像水平集函数、形状约束水平集函数和基函数权重列向量，并计算第j次迭代的能量泛函的函数值直至达到最大迭代次数J或者能量泛函相邻两次的迭代结果差值小于设定的收敛阈值，得到待分割图像I的分割结果，并根据更新后的基函数权重列向量和基函数列向量得到待分割图像的偏移场估计；本发明方法克服了图像中灰度不均对分割精度造成的影响，在先验形状的约束下，增强了分割方法的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.024 seconds)
