-
公开(公告)号：CN114494157A
公开(公告)日：2022-05-13
申请号：CN202210013358.2
申请日：2022-01-06
申请人： 三峡大学
IPC分类号： G06T7/00 , G06T7/12 , G06T7/11 , G06T7/136 , G06T7/155 , G06T7/62 , G06T5/40 , G06T5/30 , G06N3/04 , G06N3/08 , A61B8/08 , A61B8/00
摘要： 胎儿心脏四腔心超声切面图像质量自动评测方法，包括步骤：获取胎儿心脏四腔心超声切面图像数据集，进行降噪处理；搭建YOLOv5目标检测模型并进行训练，将测试图像输入训练好的YOLOv5目标检测模型中，得到胸腔区域、四腔心区域位置坐标；提取四腔心区域图像并对四腔心区域图像进行分割，训练U2‑Net图像分割网络模型；对待评测切面图像进行四腔心区域的提取与掩膜操作；将直方图修正与OTSU算法结合起来，对掩膜操作后的四腔心区域图像进行分割；根据预先设定的质量评测规则，对胎儿心脏四腔心超声切面图像进行质量评测。本发明方法解决了现有技术中无法对胎儿心脏四腔心超声切面图像质量给出稳定可靠且准确的评分问题。
-
公开(公告)号：CN114463277A
公开(公告)日：2022-05-10
申请号：CN202210013966.3
申请日：2022-01-06
申请人： 三峡大学
IPC分类号： G06T7/00 , G06V10/764 , G06V10/82 , G06K9/62
摘要： 胎儿心脏超声视频中合格四腔心切面图像自动获取方法，包括:对胎儿心脏超声视频进行分帧处理；人工筛选出合格的四腔心切面图像，并对四腔心和降主动脉区域进行标注；搭建并训练YOLOv5目标检测网络；搭建并训练Darknet53分类网络；分帧处理并利用YOLOv5目标检测网络逐帧检测待提取切面的胎儿心脏超声视频中的四腔心和降主动脉；记录视频中是否存在降主动脉并提取检测到的四腔心区域图像；利用Darknet53分类网络对提取的准四腔心区域进行分类，同时计算分类为合格的四腔心切面图像得分，根据得分大小对这些切面图像进行排序，自动给出视频中的最佳四腔心切面图像。本发明方法能够有效获取胎儿心脏超声视频中合格四腔心切面图像，同时还可给出最佳的切面图像。
-
公开(公告)号：CN111815563A
公开(公告)日：2020-10-23
申请号：CN202010524252.X
申请日：2020-06-10
申请人： 三峡大学
摘要： 一种U-Net与区域增长PCNN相结合的视网膜视盘分割方法，将视网膜视盘数据集图片进行灰度化处理；将灰度化处理后的数据集图片进行CLAHE处理，增强视网膜视盘图像中视盘与背景之间的对比度；视网膜视盘图像分块；U-Net神经网络模型的搭建、训练以及图片粗提取；区域增长PCNN神经网络模型的搭建；使用区域增长PCNN，进行视网膜视盘分割。本发明一方面提出了一种基于改进后的U-Net视网膜视盘图像粗提取方法，通过这种粗提取，显著抑制背景，凸显视盘区域，增加图片对比度，从而提升数据集图片质量；另一方面提出了一种基于改进的区域增长PCNN的视盘图像分割方法，通过改变种子选取方式、PCNN初始点火阈值选取方式以及区域增长结束条件，提高PCNN分割性能，实现完整视盘的分割。
-
公开(公告)号：CN111815562A
公开(公告)日：2020-10-23
申请号：CN202010524251.5
申请日：2020-06-10
申请人： 三峡大学
摘要： 一种U-Net与自适应PCNN相结合的视网膜血管分割方法，对实验中所选用的眼底图像数据库做数据增广；数据集图片进行灰度化处理；数据集图片进行CLAHE处理，加大视网膜血管与背景之间的对比度；图像分块；U-Net神经网络模型的搭建、训练以及图片增强；自适应PCNN神经网络模型的搭建；使用自适应PCNN进行血管分割。本发明一方面提出了一种基于改进后的U-Net二次迭代式眼底血管图像增强方法，可以显著抑制背景，凸显血管区域，削弱噪声干扰，增加图片对比度，从而提升数据集图片质量。本发明另一方面提出了一种基于自适应PCNN的眼底血管图像分割方法。通过使用Otsu算法估计出的准确参数，然后将U-Net二次迭代增强输出结果，送入自适应PCNN，实现完整眼底血管的有效分割。
-
-
-
搜索结果
4 条记录 (耗时 0.024 秒)
