-
公开(公告)号:CN118212241A
公开(公告)日:2024-06-18
申请号:CN202410634911.3
申请日:2024-05-22
申请人: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
IPC分类号: G06T7/00 , G06T7/73 , G06T3/60 , G06T3/20 , G06T3/4038 , G06V10/774 , G06T7/11 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0985
摘要: 本发明涉及医学影像处理领域,尤其涉及一种基于双阶段粒度网络的颈部MRI图像分析方法。本发明方法包括如下步骤:选取颈部MRI图像的数据合成数据集,将数据按比例划分为训练集、验证集和测试集;将训练集进行数据增强操作并作归一化处理;设置网络模型结构以及损失函数和优化算法,将经过预处理的训练集数据送入网络模型,通过网络学习有效的特征表示;将训练好的网络模型在验证集上进行评估,计算评价指标来评估模型性能,根据评估结果来调整模型的超参数并重新训练以提升网络的性能;最终使用最优的网络模型参数在测试集上评估模型的泛化能力和性能。本发明方法能够在包含血管、神经、软组织等多种组织中实现精准的颈动脉血管提取。
-
公开(公告)号:CN117611827B
公开(公告)日:2024-04-16
申请号:CN202410077779.0
申请日:2024-01-19
申请人: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
摘要: 本发明涉及图像分割技术领域,具体涉及一种基于感知分组策略的图像分割方法、设备及存储介质,图像分割方法具体如下:输入目标图像,给定位于图像的目标区域内部给定的固定源点;生成边界片段集;计算自适应割;构建与边界片段相关的图;设计一种能量函数选择最小路径;设计一种最小能量函数选择最优环形最小路径,完成图像分割。本发明的方法通过结合自适应割方法和感知分组策略来寻找最小闭合轮廓,选择最优环形最小路径来分割图像,本发明可以提供先验的连通性信息,降低计算复杂度。
-
公开(公告)号:CN117409030B
公开(公告)日:2024-03-22
申请号:CN202311714309.2
申请日:2023-12-14
申请人: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
IPC分类号: G06T7/136 , G06T7/00 , G06N3/084 , G06N3/0464
摘要: 本发明涉及计算机视觉与医学图像处理领域,尤其涉及一种基于动态管状卷积的#imgabs0#图像血管分割方法及其系统,包括以下步骤:在数据集中选取n张眼底视网膜#imgabs1#投影图像,将数据集按比例划分,对划分后得到的训练集进行数据集增强操作得到训练数据集;设置网络结构,编码器采用残差动态管状卷积编码器模块,多尺度特征融合模块采用管状卷积空洞卷积融合模块;计算最终概率图,将像素点与阈值比较,保存判断后的分割结果图;进行网络训练,保存评价最优指标的参数;读取保存的最优指标的参数,将其加载到网络中对#imgabs2#图像进行分割,并保存最终分割结果。本发明的网络能够更好地捕捉复杂多变的血管结构,分割复杂背景下细微的血管末梢。
-
公开(公告)号:CN116580194B
公开(公告)日:2024-02-06
申请号:CN202310485605.3
申请日:2023-05-04
申请人: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC分类号: G06V10/26 , G06V10/25 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
摘要: 一种融合几何信息的软注意力网络的血管分割方法,利用测地距离图获取血管结构信息,采用水平集函数获取血管图像上各点的位置信息,同时使用Heaviside函数生成血管内各点的权重分布。进一步,通过融合几何信息的方式,将权重分布与注意力分布结合,形成一个软注意力网络模块。将几何信息融入到软注意力网络的血管分割方法,能够很好的抑制分割泄露,解决分割过程中血管不连续的问题,使血管分割更加迅速、精确。
-
公开(公告)号:CN116580008B
公开(公告)日:2024-01-26
申请号:CN202310554646.3
申请日:2023-05-16
申请人: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC分类号: G06T7/00 , G06T7/73 , G06T7/62 , G06T7/68 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要: 一种基于局部增广空间测地线生物医学标记方法,在U‑Net神经网络基础上引入测地线投票算法,确保检测到的关键点的完整性和准确性,在测地线投票算法中增加半径维度,使得提取更准确的血管中心线。本发明所提出的血管生物医学标记计算方法,能够使用少量数据集通过U‑Net提取视网膜血管的关键点,然后使用局部半径增广的测地线投票算法对血管结构进行追踪,对关键点进行更准确的检测并计算其他血管生物医学标记。(56)对比文件Gangming Zhao.Graph Convolution BasedCross-Network Multiscale Feature Fusionfor Deep Vessel Segmentation《.IEEETransactions on Medical Imaging》.2023,第42卷(第1期),第183-195页.刘丽.医学图像分割算法研究及应用《.中国博士学位论文全文数据库 医药卫生科技辑》.2021,(第1期),第E060-3页.
-
公开(公告)号:CN116458897B
公开(公告)日:2024-01-26
申请号:CN202310411292.7
申请日:2023-04-18
申请人: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
摘要: 一种基于二维图像和注意力机制的心电信号质量评估方法,首先进行信号预处理,将通过心电采集装置获得的12导联一维心电信号转换成二维时频图像,并对图像进行数据增强。其次利用FM_FeatureNet模型对时频图像进行特征提取,通过FM_FeatureNet模型的FM模块和AM模块分别生成局部特征图和注意力融合图,将局部特征图与注意力融合图进行特征拼接获得细粒度特征。最后分类模块根据输入的细粒度特征对信号进行分类评估。
-
公开(公告)号:CN116681892A
公开(公告)日:2023-09-01
申请号:CN202310644624.6
申请日:2023-06-02
申请人: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC分类号: G06V10/26 , G06V10/82 , G06V10/776 , G06T7/12
摘要: 一种基于多中心PolarMask模型改进的图像精准分割方法,利用几何知识中的散度原理,在极中心度损失部分添加该点到轮廓欧式距离的梯度的散度,约束中心点的选取,使得中心点的选取更具合理性,并提高其的准确度;利用非凸图形可由可数个凸图形覆盖的原理,寻找多个中心点,并找出对应中心点下的掩码,使得更好的覆盖原PolarMask模型识别性较差的非凸图形,从而使模型简单有效,且更具普遍性和适用性,提高检测水平,为视觉系统研究提供重要参考价值。
-
公开(公告)号:CN116580008A
公开(公告)日:2023-08-11
申请号:CN202310554646.3
申请日:2023-05-16
申请人: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC分类号: G06T7/00 , G06T7/73 , G06T7/62 , G06T7/68 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要: 一种基于局部增广空间测地线生物医学标记方法,在U‑Net神经网络基础上引入测地线投票算法,确保检测到的关键点的完整性和准确性,在测地线投票算法中增加半径维度,使得提取更准确的血管中心线。本发明所提出的血管生物医学标记计算方法,能够使用少量数据集通过U‑Net提取视网膜血管的关键点,然后使用局部半径增广的测地线投票算法对血管结构进行追踪,对关键点进行更准确的检测并计算其他血管生物医学标记。
-
公开(公告)号:CN116458897A
公开(公告)日:2023-07-21
申请号:CN202310411292.7
申请日:2023-04-18
申请人: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
摘要: 一种基于二维图像和注意力机制的心电信号质量评估方法,首先进行信号预处理,将通过心电采集装置获得的12导联一维心电信号转换成二维时频图像,并对图像进行数据增强。其次利用FM_FeatureNet模型对时频图像进行特征提取,通过FM_FeatureNet模型的FM模块和AM模块分别生成局部特征图和注意力融合图,将局部特征图与注意力融合图进行特征拼接获得细粒度特征。最后分类模块根据输入的细粒度特征对信号进行分类评估。
-
公开(公告)号:CN118279296A
公开(公告)日:2024-07-02
申请号:CN202410692382.2
申请日:2024-05-31
申请人: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
IPC分类号: G06T7/00 , G06T7/11 , G06T5/70 , G06T5/90 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/084
摘要: 本发明涉及医学影像处理领域,设计了一种基于辅助学习网络的颈动脉血管提取方法、系统及设备,具体如下:选取颈部扫描数据作为数据集并将其按比例划分为训练集#imgabs0#、验证集#imgabs1#和测试集#imgabs2#;将训练集#imgabs3#进行随机裁剪、随机旋转、添加高斯噪声以及亮度调整等数据增强操作并对特征范围适当缩放进行标准化处理;构建网络架构的层次结构并选择激活函数,设置训练参数并进行初始化,直至模型达到停止条件训练;将验证集#imgabs4#在训练好的网络模型中进行评估;确定最终模型性能,在模型未见过的测试集#imgabs5#评估模型的泛化能力。本发明能够充分利用图像中的上下文信息以各种特征信息,实现对颈动脉血管的精准提取。
-
-
-
-
-
-
-
-
-