-
公开(公告)号：CN116129200A
公开(公告)日：2023-05-16
申请号：CN202310406196.3
申请日：2023-04-17
申请人： 厦门大学
IPC分类号： G06V10/764 , G06V10/20 , G06V10/40 , G06V10/80 , G06V10/778 , G06V10/82
摘要： 本发明公开了一种基于深度学习的支气管镜图像良恶性病灶分类装置，包括步骤：图像获取模块，用于获取数据，并对数据进行预处理；图像处理模块，用于对模型图像编码器进行自监督预训练，提升模型提取深层次抽象特征的能力；图像特征提取模块，用于通过预训练后的编码器提取图像特征，并对临床数据进行维度转换；图像分类模块，用于通过多模态空间注意力机制模块融合图像特征与临床特征，并进行良恶性病灶分类；该装置能够融合图像特征与临床信息，与传统影像组学方法相比，该装置较为高效且分类准确性较高，能够在临床上为医生快速区分支气管镜图像良恶性病灶提供参考。
-
公开(公告)号：CN115984237A
公开(公告)日：2023-04-18
申请号：CN202310058534.9
申请日：2023-01-18
申请人： 厦门大学
IPC分类号： G06T7/00 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/08 , G06V10/774 , G06N3/0464 , G06N3/0455
摘要： 本发明公开了一种基于细胞及多尺度组织信息交互的病理图像分类方法，包括以下步骤：S1、将病理图像分割出细胞核和不同尺度的组织块；S2、对细胞核和组织块进行特征提取；S3、利用K近邻算法生成细胞核和组织块边的连接关系，将一张病理图像建模成为一张细胞图和三个不同尺度的组织图；S4、构建多尺度细胞图和特征图信息交互模型，细胞图进行卷积，组织图进行注意力交互；S5、将交互学习后的组织特征结合细胞特征，进行病理图像分类；该方法可解决不同数据集需要不同尺度大小的组织图问题以及同一组织图信息丢失以及交互不完全问题，有效提高了对病理图像分类的性能，分类准确性高。
-
公开(公告)号：CN115330599A
公开(公告)日：2022-11-11
申请号：CN202210955309.0
申请日：2022-08-10
申请人： 厦门大学
摘要： 本发明公开了一种利用生成对抗网络批量合成特定角度SAR图像的方法，包括以下步骤：S1、设定生成网络G，从隐空间Z随机采样得到的随机n维向量Z映射为不同尺度的SAR图片I，所有的SAR图片构成空间J；S2、设定针对SAR图片的多尺度判别网络J→R，输出输入图片为真实图片的概率；S3、利用生成对抗网络在图像空间训练，使生成网络能模拟真实的SAR图片；S4、解耦生成网络，获得和SAR图片方位角这一语义相关的方向向量n及边界向量Zinf；S5、利用生成网络G、方向向量n及边界向量Zinf，批量合成特定方位角的SAR图像序列；该方法根据SAR图片的特性精心设计了一种新颖的生成对抗网络结构和高效的SAR目标图像模拟算法，可以根据给定方位角生成高分辨率目标。
-
公开(公告)号：CN112308833B
公开(公告)日：2022-09-13
申请号：CN202011182378.X
申请日：2020-10-29
申请人： 厦门大学
发明人： 王连生
摘要： 本发明公开了一种基于循环一致相关性的one‑shot脑图像分割方法，其包括以下步骤：S1、获取脑解剖结构图像并进行分类，得到未标注影像y及图集x，图集x带有标注xs；S2、构建LT‑NET网络模型，LT‑NET网络模型包括生成器GF、生成器GB及两个判别器D；S3、将图集x与未标注影像y输入生成器GF，得到前向映射ΔpF；S4、将前向映射ΔpF分别应用在图集x及标注xs，配合监督损失，得到重建影像及标注S5、将重建影像及图集x输入生成器GB，得到后向映射ΔpB；S6、将后向映射ΔpB分别应用在重建影像及标注配合监督损失，得到重建影像及标注本发明采用构建LT‑NET网络模型，配合监督损失有效提高图像分割的效率，提高了单向相关性学习性能。
-
公开(公告)号：CN112086197B
公开(公告)日：2022-05-10
申请号：CN202010924386.0
申请日：2020-09-04
申请人： 厦门大学附属翔安医院
摘要： 本发明公开了基于超声医学的乳腺结节检测方法及系统，包括以下步骤,获取乳腺超声视频数据，并进行预处理,将预处理后的视频数据通过迁移学习的方法训练，建立乳腺结节检测模型，将待测试的视频数据输入所述乳腺结节检测模型，得出结果。本发明提供基于超声医学的乳腺结节检测方法及系统，以超声乳腺视频图像检查为主要手段，旨在建立乳腺肿瘤良恶性判断及病理分型的精准方法，解决乳腺肿瘤动态识别及鉴别困难的疑难临床问题。高度精准的乳腺肿瘤定性系统的建立，对乳腺肿瘤患者的诊治具有重大临床意义。
-
公开(公告)号：CN112085718B
公开(公告)日：2022-05-10
申请号：CN202010924390.7
申请日：2020-09-04
申请人： 厦门大学
发明人： 王连生
摘要： 本发明公开了一种基于孪生注意力网络的NAFLD超声视频诊断系统，该系统由两个结构相同且共享权重的孪生注意力子网络以及损失函数组成，其中，孪生注意力子网络由双流特征提取模块、线性分类模块和上下文注意力模块组成，损失函数由二进制交叉熵损失(BCE)、对比相似度损失(CSL)和对比差异性损失(CDL)组成。本发明通过在孪生注意力网络的基础上添加了双流特征提取模块，并引入损失函数，使得NAFLD超声视频诊断系统达到了90.56％的准确率，88.26％的特异性，93.58％的敏感性，为NAFLD超声视频诊断提供了一种高效可行的方法。
-
公开(公告)号：CN112308834A
公开(公告)日：2021-02-02
申请号：CN202011182475.9
申请日：2020-10-29
申请人： 厦门大学
发明人： 王连生
摘要： 本发明公开了一种基于前向相关性的one‑shot脑图像分割方法，其包括以下步骤：S1、获取有标注图像和未标注图像y；S2、将有标注图像进行预处理并划分为图集x；S3、构建SiamENet模型，图集x及未标注图像y输入孪生编码器模块得到相关特征图；S4、双注意模块接收孪生编码器模块的相关特征图，融合图集x和未标注图像y的特征，得到融合特征；S5、将融合特征输送给解码器模块，解码器模块将相关特征图和融合特征进行融合，得到前向映射Δp；S6、图集x和前向映射Δp分别通过warp操作，得到重建图像和有标注重建图像 本发明通过计算机视觉学习，进行映射建模，在现有的有标注图像基础上，学习图像的分割标签，提高了效率。
-
公开(公告)号：CN112086197A
公开(公告)日：2020-12-15
申请号：CN202010924386.0
申请日：2020-09-04
申请人： 厦门大学附属翔安医院
摘要： 本发明公开了基于超声医学的乳腺结节检测方法及系统，包括以下步骤,获取乳腺超声视频数据，并进行预处理,将预处理数据通过迁移学习的方法训练，建立乳腺结节检测模型，将待测试的视频数据输入所述乳腺结节检测模型，得出结果。本发明提供基于超声医学的乳腺结节检测方法及系统，以超声乳腺视频图像检查为主要手段，旨在建立乳腺肿瘤良恶性判断及病理分型的精准方法，解决乳腺肿瘤动态识别及鉴别困难的疑难临床问题。高度精准的乳腺肿瘤定性系统的建立，对乳腺肿瘤患者的诊治具有重大临床意义。
-
公开(公告)号：CN112085718A
公开(公告)日：2020-12-15
申请号：CN202010924390.7
申请日：2020-09-04
申请人： 厦门大学
发明人： 王连生
摘要： 本发明公开了一种基于孪生注意力网络的NAFLD超声视频诊断系统，该系统由两个结构相同且共享权重的孪生注意力子网络以及损失函数组成，其中，孪生注意力子网络由双流特征提取模块、线性分类模块和上下文注意力模块组成，损失函数由二进制交叉熵损失(BCE)、对比相似度损失(CSL)和对比差异性损失(CDL)组成。本发明通过在孪生注意力网络的基础上添加了双流特征提取模块，并引入损失函数，使得NAFLD超声视频诊断系统达到了90.56％的准确率，88.26％的特异性，93.58％的敏感性，为NAFLD超声视频诊断提供了一种高效可行的方法。
-
公开(公告)号：CN112085736B
公开(公告)日：2024-02-02
申请号：CN202010923743.1
申请日：2020-09-04
申请人： 厦门大学
发明人： 王连生
IPC分类号： G06T7/10 , G06T9/00 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
摘要： 本发明公开了一种基于混维卷积的肾肿瘤分割方法，其包括以下步骤：S1、获取腹部扫描图像，对获取的腹部扫描图像划分数据集和训练集；S2、对数据集内的腹部扫描图像进行预处理，得到预处理后的图像；S3、构建混维卷积网络，通过该网络配合混维卷积模块优化混维卷积网络对肾肿瘤的特征学习；S4、将预处理后的图像输入混维卷积网络进行预测，最终得到分割结果；本发明通过混合卷积网络同时学习肾肿瘤的2D、2.5D及3D卷积特征，2D、2.5D及3D卷积特征通过特征融合，增强了模型特征的泛化能力。
-
-
-
-
-
-
-
-
-
搜索结果
49 条记录 (耗时 0.039 秒)