-
公开(公告)号：CN111476796B
公开(公告)日：2023-04-18
申请号：CN202010160281.2
申请日：2020-03-10
申请人： 西北大学
IPC分类号： G06T7/11 , G06T17/00 , G06N20/00 , G06N3/0464 , G06N3/09 , G06N3/088 , G16H50/20 , G16H30/20
摘要： 本发明属于医学图像处理、计算机辅助诊断技术领域，公开了一种结合多种网络的半监督冠状动脉分割系统及分割方法，在原始图像上，沿着坐标轴提取二维图像切片作为样本，构造训练数据集和测试数据集；构建卷积神经网络用于二维血管切片的识别；构建多尺度特征分解网络用于二维血管切片中冠状动脉血管的分割；设计结合监督学习和无监督学习的损失函数；将含有血管的切片作为输入训练多尺度特征分解网络，并对测试图像完成血管分割任务。本发明结合无标签数据进行半监督学习，降低了获取数据标签的难度，提高了分割精度；本发明实现了对冠状动脉血管的自动分割，具有精确、快速、无需人为干预、节约标签资源的特点。
-
公开(公告)号：CN111145200B
公开(公告)日：2023-04-18
申请号：CN201911108172.X
申请日：2019-11-13
申请人： 西北大学
IPC分类号： G06T7/136 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06T7/143
摘要： 本发明属于图像处理、机器学习技术领域，公开了一种结合卷积神经网络与循环神经网络的血管中心线追踪方法，在原始图像中，将中心线等距采样，提取图像块并组成序列，给定序列的方向类别；选取非中心线点，提取图像块并生成扩充序列，给定扩充序列的方向类别；将序列与方向类别作为输入训练卷积‑循环神经网络；在测试图像中分割血管中心线并拟合，获取用于追踪的起始序列；从起始序列开始，通过卷积‑循环神经网络预测方向实现追踪。本发明通过自动确定追踪的起点与终点，解决了传统方法需要人工干预的问题，有效利用了血管的全局与局部信息；实现中心线的自动追踪，具有不需要预分割血管、准确率高的特点。
-
公开(公告)号：CN109820479B
公开(公告)日：2021-08-27
申请号：CN201910014241.4
申请日：2019-01-08
申请人： 西北大学
IPC分类号： A61B5/00
摘要： 本发明属于光学分子成像技术领域，公开了一种荧光分子断层成像可行域优化方法；使用有限元计算软件对仿体进行四面体网格划分，建立表面测量值与内部荧光目标分布的线性关系；利用不完全变量截断共轭梯度法、共轭梯度最小二乘法求解系统方程，得到两组重建结果；根据三支决策理论划分出两组重建结果的正域，合并构成目标可行区，作为下一级重建的区域；再次使用不完全变量截断共轭梯度法、共轭梯度最小二乘法进行重建，得到改进后的最终结果。本发明采用两种不同的重建算法进行重建；提取出两组结果中的正域；在此区域内完成最终重建。本发明能够获取到准确的目标范围区域，有效缓解了问题的病态性，上述两种重建方法的图像质量均得到明显提升。
-
公开(公告)号：CN112241997A
公开(公告)日：2021-01-19
申请号：CN202010962487.7
申请日：2020-09-14
申请人： 西北大学
摘要： 本发明属于三维数字化文物修复领域，公开了一种基于多尺度点云上采样的三维模型建立、修复方法及系统。修复方法首先对文物数据集进行预处理；其次通过识别孔洞获取缺失区域，并将网格模型转化为点云模型；接着基于多尺度点云上采样GAN网络补全缺失点云模型；最后提取补全点云模型中的孔洞区域与原始模型合并完成三维形状复原。本发明的方法得到的三维文物补全结果从点云密集度和形状真实感上都更加接近原始模型，能够保持数字化文物模型的完整性，为后续文物拼接提供依据。
-
公开(公告)号：CN108095686B
公开(公告)日：2020-09-11
申请号：CN201711078146.8
申请日：2017-11-06
申请人： 西北大学
IPC分类号： A61B5/00
摘要： 本发明属于分子影像技术领域，公开了一种荧光分子断层成像目标可行域选取方法，其内容包括：全域重建；使用迭代自组织数据分析技术算法选取可行域；在可行域上重建荧光目标，若重建质量不满足要求，跳转到迭代自组织数据分析技术算法选取可行域，否则显示最终重建结果并结束重建。本发明适用于重建多目标荧光源的光学分子断层成像系统，需要的荧光测量数据少，采用迭代自组织数据分析技术算法分区选择可行域，提高了多目标重建中可行域选取的准确性。本发明通过多阶段重建，降低了重建问题的病态性，有效提高了荧光分子断层成像的重建质量，在光学断层三维重建算法等领域有重要的应用价值。
-
公开(公告)号：CN111476796A
公开(公告)日：2020-07-31
申请号：CN202010160281.2
申请日：2020-03-10
申请人： 西北大学
摘要： 本发明属于医学图像处理、计算机辅助诊断技术领域，公开了一种结合多种网络的半监督冠状动脉分割系统及分割方法，在原始图像上，沿着坐标轴提取二维图像切片作为样本，构造训练数据集和测试数据集；构建卷积神经网络用于二维血管切片的识别；构建多尺度特征分解网络用于二维血管切片中冠状动脉血管的分割；设计结合监督学习和无监督学习的损失函数；将含有血管的切片作为输入训练多尺度特征分解网络，并对测试图像完成血管分割任务。本发明结合无标签数据进行半监督学习，降低了获取数据标签的难度，提高了分割精度；本发明实现了对冠状动脉血管的自动分割，具有精确、快速、无需人为干预、节约标签资源的特点。
-
公开(公告)号：CN108095686A
公开(公告)日：2018-06-01
申请号：CN201711078146.8
申请日：2017-11-06
申请人： 西北大学
IPC分类号： A61B5/00
摘要： 本发明属于分子影像技术领域，公开了一种荧光分子断层成像目标可行域选取方法，其内容包括：全域重建；使用迭代自组织数据分析技术算法选取可行域；在可行域上重建荧光目标，若重建质量不满足要求，跳转到迭代自组织数据分析技术算法选取可行域，否则显示最终重建结果并结束重建。本发明适用于重建多目标荧光源的光学分子断层成像系统，需要的荧光测量数据少，采用迭代自组织数据分析技术算法分区选择可行域，提高了多目标重建中可行域选取的准确性。本发明通过多阶段重建，降低了重建问题的病态性，有效提高了荧光分子断层成像的重建质量，在光学断层三维重建算法等领域有重要的应用价值。
-
公开(公告)号：CN107729926A
公开(公告)日：2018-02-23
申请号：CN201710899032.3
申请日：2017-09-28
申请人： 西北大学
CPC分类号： G06K9/6268 , G06K9/527 , G06K9/6212
摘要： 本发明属于图像处理、机器学习技术领域，公开了一种基于高维空间变换的数据扩增方法、机器识别系统，将背景样本数据从原始空间变换到高维空间；基于背景样本的分布直方图获得高维空间目标样本分布，生成高维空间目标样本数据；利用距离函数进行方程组变换，扩增数据由高维空间变换到原始空间。本发明通过对负样本的分布直方图学习，扩增了相应的正样本数据集，解决了机器学习模型中的正负样本数据不匹配问题，提高了分类性能，尤其提高了正样本的分类精度；基于背景样本进行统计分析，得到待生成目标样本数据的分布，进而生成目标样本，提高了扩增数据的有效性，避免了传统的基于少量样本合成新的目标样本时产生的样本重叠、模型过拟合问题。
-
公开(公告)号：CN106725347A
公开(公告)日：2017-05-31
申请号：CN201710083699.6
申请日：2017-02-16
申请人： 西北大学
摘要： 本发明公开了一种基于随机变量交替方向乘子法的荧光分子断层成像重建方法，利用随机对偶坐标下降方法的随机性和可分解性将交替方向乘子方法转换成随机参数形式，然后通过随机参数的交替方向乘子方法的参数交替更新来求解，其实现步骤如下：(1)大规模荧光数据采集；(2)建立测量数据与目标分布之间的线性关系；(3)转换线性关系为凸优化问题；(4)使用随机参数的对偶坐标下降方法与交替方向乘子法来交替求解凸优化问题，获得目标分布图和重建时间。在保证重建图像质量的同时，有效提高了荧光分子断层成像的重建效率，在医学分子影像、重建方法等领域有重要的应用价值。
-
公开(公告)号：CN106485695A
公开(公告)日：2017-03-08
申请号：CN201610838092.X
申请日：2016-09-21
申请人： 西北大学
摘要： 本发明公开了一种基于统计形状模型的医学图像Graph Cut分割方法,主要解决了现有技术中低对比度器官在医学图像中难以得到良好分割的问题。其实现步骤是：(1)建立低对比度器官的统计形状模型并采集灰度信息；(2)预分割低对比度器官；(3)初始化Graph；(4)分割低对比度器官。本发明的基于统计形状模型的医学图像Graph Cut分割方法在使用Graph Cut算法快速分割的基础上，加入了器官的形状先验知识，降低了过分割、欠分割的可能性，利用动物器官和动物体外轮廓之间的相对关系确定低对比度器官的初始位置，提高分割效率，是一种快速有效的器官分割方法。
-
-
-
-
-
-
-
-
-
搜索结果
40 条记录 (耗时 0.026 秒)
