-
公开(公告)号：CN114494266B
公开(公告)日：2024-05-28
申请号：CN202011159359.5
申请日：2020-10-26
申请人： 中国人民解放军空军军医大学 , 西安电子科技大学
IPC分类号： G06T7/10 , G06N3/0464 , G06N3/049 , G06N3/08 , G06T7/181
摘要： 本公开提供了一种层级空洞金字塔卷积的宫颈及周边多器官分割方法，涉及图像处理技术领域，能够解决多尺度目标分割、边界难分和类别不平衡等问题。具体技术方案为：将获取的CT宫颈图像进行预处理，从预处理后的CT宫颈图像中随机选取P个作为训练图像，Q个作为测试图像；采用卷积组合结构、残差块结构、空洞金字塔卷积结构以及边缘细化结构构建MOS网络；将训练图像进行增广后，采用加权化损失函数训练构建好的MOS网络，用训练好的MOS网络对测试图像进行分割预测。本发明能有效地将3D CT图像中的宫颈残留、膀胱、小肠、直肠及乙状结肠等多个器官分割出来，提高了对多尺度目标的分割能力。本发明用于图像分割处理。
-
公开(公告)号：CN114494266A
公开(公告)日：2022-05-13
申请号：CN202011159359.5
申请日：2020-10-26
申请人： 中国人民解放军空军军医大学 , 西安电子科技大学
摘要： 本公开提供了一种层级空洞金字塔卷积的宫颈及周边多器官分割方法，涉及图像处理技术领域，能够解决多尺度目标分割、边界难分和类别不平衡等问题。具体技术方案为：将获取的CT宫颈图像进行预处理，从预处理后的CT宫颈图像中随机选取P个作为训练图像，Q个作为测试图像；采用卷积组合结构、残差块结构、空洞金字塔卷积结构以及边缘细化结构构建MOS网络；将训练图像进行增广后，采用加权化损失函数训练构建好的MOS网络，用训练好的MOS网络对测试图像进行分割预测。本发明能有效地将3D CT图像中的宫颈残留、膀胱、小肠、直肠及乙状结肠等多个器官分割出来，提高了对多尺度目标的分割能力。本发明用于图像分割处理。
-
公开(公告)号：CN116402800A
公开(公告)日：2023-07-07
申请号：CN202310381113.X
申请日：2023-04-11
申请人： 西安电子科技大学
IPC分类号： G06T7/00 , G06V10/774 , G06T7/11 , G06V10/82 , G06N3/08 , G06N3/0464
摘要： 本发明公开了一种基于位置引导与一致性学习的腹部多器官增量分割方法，主要解决现有技术增量过程复杂且增量性能低的问题。其实现方案是：首先使用一致性学习策略训练基础网络，以第一次分割常见腹部器官肝、肾、脾、胆、胃；随后通过新增解码器、位置引导模块与深度监督模块的方式，将基础网络扩展到位置引导增量网络，训练该网络，以第二次分割肝、肾、脾、胆、胃、胰腺；将位置引导增量网络扩展到位置引导与一致性学习增量网络，训练该网络，以第三次分割肝、肾、脾、胆、胃、胰腺、十二指肠，以此类推，完成腹部多器官增量分割。本发明简化了腹部多器官增量分割过程，提升了腹部多器官增量分割性能，可用于协助医生完成腹部多器官的自动勾画。
-
公开(公告)号：CN117151162A
公开(公告)日：2023-12-01
申请号：CN202311012984.0
申请日：2023-08-13
申请人： 西安电子科技大学
IPC分类号： G06N3/0455 , G06N3/082 , G06N3/0895 , G06N3/084 , G06V10/774 , G06T7/11
摘要： 本发明公开了一种基于自监督与专家门控的跨解剖区域器官增量分割方法，主要解决现有技术只能分割特定解剖区域器官而不具备扩展性的问题。其实现方案是：使用大量无标注、跨解剖区域的CT图像；通过自监督预训练获得具有通用表示能力的自监督编码器；以训练好的自监督编码器作为固定的共享编码器，构建欠完备自编码器并将其加入到共享编码器之后，实现对多个解剖区域CT图像的增量分割；训练由欠完备自编码器组成的专家门控系统，以在测试阶段自动选择测试图像对应的解码器，将测试图像转发到正确的解码器得到分割结果。本发明简化了跨解剖区域器官增量分割过程，提升了各解剖区域的总体分割性能，可用于协助医生完成各解剖区域器官的自动勾画。
-
公开(公告)号：CN113706486B
公开(公告)日：2024-08-02
申请号：CN202110944394.6
申请日：2021-08-17
申请人： 西安电子科技大学
IPC分类号： G06T7/00 , G06T7/11 , G06T7/136 , G06T7/194 , G06V10/25 , G06V10/28 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
摘要： 本发明公开了一种基于密集连接网络迁移学习的胰腺肿瘤图像分割方法，其方案是：获取正电子发射计算机断层显像PET和核磁共振成像MRI，对其进行预处理后划分为训练集和测试集；构建分割网络，并使用PET训练数据集对其训练，得到一次训练好的网络参数W1；使用迁移策略将分割网络中特征提取模块的初始参数设置为W1中相应模块的值，其余模块参数随机初始化，并利用MRI图像训练集重新训练分割网络，得到二次训练好的网络参数W2；将MRI测试集输入到以W2为网络参数的分割网络中得到分割结果。本发明提高了MRI图像分割的性能，解决现有技术对小数据集难以训练网络的问题，可用于协助医生完成胰腺肿瘤治疗前的自动靶区勾画。
-
公开(公告)号：CN112950631B
公开(公告)日：2023-06-30
申请号：CN202110410483.2
申请日：2021-04-13
申请人： 西安交通大学口腔医院 , 西安电子科技大学
IPC分类号： G06T7/00 , G06N3/08 , G06N3/0464
摘要： 本发明公开了一种基于显著图约束的头颅定位侧位片年龄估计方法，首次将显著图约束技术和X光头颅定位侧位片应用于年龄估计，解决了现有方法进行年龄估计准确性低并且不稳定的问题。其实现方案为：获取训练样本集、验证样本集和测试样本集；对图像进行填充、缩放和归一化处理；对自适应缩放卷积神经网络进行迭代训练；构建显著图约束训练样本集、显著图约束验证样本集和显著图约束测试样本集；获取自复制样本集和混合训练样本集；构建基于显著图约束的自适应缩放卷积神经网络；对基于显著图约束的自适应缩放卷积神经网络进行迭代训练；获取年龄估计结果；本发明提升了使用X光影像进行年龄估计的准确性和稳定性。
-
公开(公告)号：CN112241766A
公开(公告)日：2021-01-19
申请号：CN202011159865.4
申请日：2020-10-27
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于样本生成和迁移学习的肝脏CT图像多病变分类方法，主要解决现有方法对肝脏多种病变检测性能不高的问题。其实现方案为：划分数据集；分别构建肝脏器官分割网络和肝脏病变检测网络；基于深度卷积生成式对抗网络，构建肝囊肿样本生成网络和肝血管瘤样本生成网络，分别生成新的肝囊肿和肝血管瘤样本；构建肝脏病变分类网络；对待检测的肝脏CT图像先使用肝脏器官分割网络进行器官分割，再使用肝脏病变检测网络对分割结果进行病变检测，最后使用肝脏病变分类网络对检测到的病变进行分类。本发明缓解了不同类别样本量的不平衡，提高了病变分类性能，可用于对肝脏CT影像中存在的肝癌、肝囊肿、肝血管瘤多种病变的定位和定性。
-
公开(公告)号：CN112241766B
公开(公告)日：2023-04-18
申请号：CN202011159865.4
申请日：2020-10-27
申请人： 西安电子科技大学
IPC分类号： G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/0475 , G06N3/094 , G06N3/084
摘要： 本发明公开了一种基于样本生成和迁移学习的肝脏CT图像多病变分类方法，主要解决现有方法对肝脏多种病变检测性能不高的问题。其实现方案为：划分数据集；分别构建肝脏器官分割网络和肝脏病变检测网络；基于深度卷积生成式对抗网络，构建肝囊肿样本生成网络和肝血管瘤样本生成网络，分别生成新的肝囊肿和肝血管瘤样本；构建肝脏病变分类网络；对待检测的肝脏CT图像先使用肝脏器官分割网络进行器官分割，再使用肝脏病变检测网络对分割结果进行病变检测，最后使用肝脏病变分类网络对检测到的病变进行分类。本发明缓解了不同类别样本量的不平衡，提高了病变分类性能，可用于对肝脏CT影像中存在的肝癌、肝囊肿、肝血管瘤多种病变的定位和定性。
-
公开(公告)号：CN113706486A
公开(公告)日：2021-11-26
申请号：CN202110944394.6
申请日：2021-08-17
申请人： 西安电子科技大学
IPC分类号： G06T7/00 , G06T7/11 , G06T7/136 , G06T7/194 , G06K9/32 , G06K9/38 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于密集连接网络迁移学习的胰腺肿瘤图像分割方法，其方案是：获取正电子发射计算机断层显像PET和核磁共振成像MRI，对其进行预处理后划分为训练集和测试集；构建分割网络，并使用PET训练数据集对其训练，得到一次训练好的网络参数W1；使用迁移策略将分割网络中特征提取模块的初始参数设置为W1中相应模块的值，其余模块参数随机初始化，并利用MRI图像训练集重新训练分割网络，得到二次训练好的网络参数W2；将MRI测试集输入到以W2为网络参数的分割网络中得到分割结果。本发明提高了MRI图像分割的性能，解决现有技术对小数据集难以训练网络的问题，可用于协助医生完成胰腺肿瘤治疗前的自动靶区勾画。
-
公开(公告)号：CN112950631A
公开(公告)日：2021-06-11
申请号：CN202110410483.2
申请日：2021-04-13
申请人： 西安交通大学口腔医院 , 西安电子科技大学
摘要： 本发明公开了一种基于显著图约束的头颅定位侧位片年龄估计方法，首次将显著图约束技术和X光头颅定位侧位片应用于年龄估计，解决了现有方法进行年龄估计准确性低并且不稳定的问题。其实现方案为：获取训练样本集、验证样本集和测试样本集；对图像进行填充、缩放和归一化处理；对自适应缩放卷积神经网络进行迭代训练；构建显著图约束训练样本集、显著图约束验证样本集和显著图约束测试样本集；获取自复制样本集和混合训练样本集；构建基于显著图约束的自适应缩放卷积神经网络；对基于显著图约束的自适应缩放卷积神经网络进行迭代训练；获取年龄估计结果；本发明提升了使用X光影像进行年龄估计的准确性和稳定性。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.049 秒)
