-
公开(公告)号：CN118015017B
公开(公告)日：2024-10-22
申请号：CN202410171102.3
申请日：2024-02-06
申请人： 中国科学院宁波材料技术与工程研究所 , 宁波慈溪生物医学工程研究所
IPC分类号： G06T7/11 , G06V10/774 , G06V10/80 , G06V10/26 , G06N3/0464
摘要： 本申请提供了一种分割模型的训练方法、装置、电子设备及存储介质；所述方法包括：获取数字减影血管造影的影像数据对应的时序图和投影图；根据所述投影图获取所述影像数据中的目标结构对应的标注图像；根据所述时序图对应的时间特征、所述投影图对应的空间特征和所述影像数据对应的时空权重矩阵、确定所述影像数据对应的目标融合特征；根据所述目标融合特征和所述标注图像训练分割模型。本申请提供的分割模型的训练方法通过基于影像数据的时序特征和空间特征进行融合，提高了分割模型获取影像数据中的目标结构的准确性，提升了分割效果。
-
公开(公告)号：CN118279323B
公开(公告)日：2024-09-03
申请号：CN202410702811.X
申请日：2024-06-03
申请人： 中国科学院宁波材料技术与工程研究所 , 宁波慈溪生物医学工程研究所
摘要： 本申请提供了一种图像分割方法、装置、电子设备及存储介质，该方法包括：获得先验数据集，先验数据集中包含多个密码和每个密码对应的先验数据，先验数据集为基于多个图像样本掩码确定；对待分割图像进行特征提取，得到待分割图像的特征数据；对特征数据中的多个特征向量进行残差量化，得到特征向量对应的多个密码；基于密码从先验数据集中确定密码对应的先验数据；基于先验数据确定待分割图像的分割结果。
-
公开(公告)号：CN118096769B
公开(公告)日：2024-07-23
申请号：CN202410524350.1
申请日：2024-04-29
申请人： 中国科学院宁波材料技术与工程研究所 , 宁波慈溪生物医学工程研究所
摘要： 本发明公开了一种视网膜OCT图像的分析方法及装置，涉及视网膜OCT图像处理领域，获取当前待处理的视网膜OCT图像，预先训练好了具有泛化能力的域泛化视网膜分层模型，将该视网膜OCT图像作为输入项输入上述域泛化视网膜分层模型，可以得到具有语义一致性的特征表示，进而根据该特征表示对视网膜OCT图像分层以得到分层后的层次结构。可见，本申请通过构建语义一致的特征表达，捕捉了图像间共性的高级语义属性，减弱了不同OCT设备或者数据中心引入的特征分布偏差，该域泛化视网膜分层模型具备在跨设备和跨中心数据上的泛化能力，使得视网膜分层得到的层次结构更准确，自动化程度高，利于实际应用。
-
公开(公告)号：CN118279323A
公开(公告)日：2024-07-02
申请号：CN202410702811.X
申请日：2024-06-03
申请人： 中国科学院宁波材料技术与工程研究所 , 宁波慈溪生物医学工程研究所
摘要： 本申请提供了一种图像分割方法、装置、电子设备及存储介质，该方法包括：获得先验数据集，先验数据集中包含多个密码和每个密码对应的先验数据，先验数据集为基于多个图像样本掩码确定；对待分割图像进行特征提取，得到待分割图像的特征数据；对特征数据中的多个特征向量进行残差量化，得到特征向量对应的多个密码；基于密码从先验数据集中确定密码对应的先验数据；基于先验数据确定待分割图像的分割结果。
-
公开(公告)号：CN118015017A
公开(公告)日：2024-05-10
申请号：CN202410171102.3
申请日：2024-02-06
申请人： 中国科学院宁波材料技术与工程研究所 , 宁波慈溪生物医学工程研究所
IPC分类号： G06T7/11 , G06V10/774 , G06V10/80 , G06V10/26 , G06N3/0464
摘要： 本申请提供了一种分割模型的训练方法、装置、电子设备及存储介质；所述方法包括：获取数字减影血管造影的影像数据对应的时序图和投影图；根据所述投影图获取所述影像数据中的目标结构对应的标注图像；根据所述时序图对应的时间特征、所述投影图对应的空间特征和所述影像数据对应的时空权重矩阵、确定所述影像数据对应的目标融合特征；根据所述目标融合特征和所述标注图像训练分割模型。本申请提供的分割模型的训练方法通过基于影像数据的时序特征和空间特征进行融合，提高了分割模型获取影像数据中的目标结构的准确性，提升了分割效果。
-
公开(公告)号：CN118096769A
公开(公告)日：2024-05-28
申请号：CN202410524350.1
申请日：2024-04-29
申请人： 中国科学院宁波材料技术与工程研究所 , 宁波慈溪生物医学工程研究所
摘要： 本发明公开了一种视网膜OCT图像的分析方法及装置，涉及视网膜OCT图像处理领域，获取当前待处理的视网膜OCT图像，预先训练好了具有泛化能力的域泛化视网膜分层模型，将该视网膜OCT图像作为输入项输入上述域泛化视网膜分层模型，可以得到具有语义一致性的特征表示，进而根据该特征表示对视网膜OCT图像分层以得到分层后的层次结构。可见，本申请通过构建语义一致的特征表达，捕捉了图像间共性的高级语义属性，减弱了不同OCT设备或者数据中心引入的特征分布偏差，该域泛化视网膜分层模型具备在跨设备和跨中心数据上的泛化能力，使得视网膜分层得到的层次结构更准确，自动化程度高，利于实际应用。
-
公开(公告)号：CN116934609A
公开(公告)日：2023-10-24
申请号：CN202210371930.2
申请日：2022-04-08
申请人： 宁波慈溪生物医学工程研究所 , 中国科学院宁波材料技术与工程研究所
摘要： 本发明公开了一种用于超广角眼底图像中的睫毛阴影的去除方法，包括对原始超广角眼底图像中的睫毛进行建模，模拟出真实的睫毛阴影特征，实现全自动的睫毛生成，获得睫毛掩膜图像和合成睫毛图像；搭建具有睫毛掩膜约束的睫毛阴影去除框架BRM_GAN，采用合成睫毛图像对BRM_GAN框架进行训练，并采用训练好的生成器模型将原始超广角眼底图像上的睫毛阴影进行去除。本发明提出了一种用于超广角眼底图像睫毛阴影去除的BRM_GAN框架，解决了超广角眼底图像睫毛遮挡的问题。
-
公开(公告)号：CN116188476A
公开(公告)日：2023-05-30
申请号：CN202210989967.1
申请日：2022-08-17
申请人： 宁波慈溪生物医学工程研究所 , 中国科学院宁波材料技术与工程研究所
IPC分类号： G06T7/10 , G06V10/764 , G06V10/774
摘要： 本发明公开了一种OCT图像脉络膜大血管结构分割方法及存储介质，所述方法包括：构建非线性隐变量模型以优化变分自编码器网络；将血管结构不明显的训练样本集输入到变分自编码器网络中进行训练，获取样本图像的规范分布；基于最大后验估计规则对所述待分割图像进行图像重建，并检测重建图像中与规范分布异常的离群值；获取重建图像与异常区域产生的差异图进行二进制值标记并分割。采用本发明公开的提出的OCT图像脉络膜大血管结构分割方法，可实现对脉络膜大血管结构的无监督自动分割。
-
公开(公告)号：CN115908825A
公开(公告)日：2023-04-04
申请号：CN202310225551.7
申请日：2023-03-10
申请人： 中国科学院宁波材料技术与工程研究所 , 宁波慈溪生物医学工程研究所
IPC分类号： G06V10/26 , G06V10/30 , G06V10/764 , G06V10/82 , G06V20/40 , G06N3/0455 , G06N3/0464
摘要： 本发明提供了一种基于视觉处理的类圆形结构分割方法及装置，涉及图像处理技术领域。本发明所述的基于视觉处理的类圆形结构分割方法，包括：获取视频帧；对所述视频帧进行去噪处理获得中间图像；检测所述中间图像中的类圆形结构区域图像；将所述类圆形结构区域图像由笛卡尔坐标系转换为极坐标系获得输入数据；基于U‑net神经网络构建多尺度输入结构的初始模型；根据损失函数对所述初始模型进行训练获得分割模型；将所述输入数据输入所述分割模型获得所述类圆形结构区域的分割图像。本发明的技术方案，能够在被观测物体图像像素分布不均匀、类圆形结构区域边缘模糊变形、以及类圆形结构区域被遮挡等实际情景中实现对类圆形结构的高精度分割。
-
公开(公告)号：CN116934765A
公开(公告)日：2023-10-24
申请号：CN202210371929.X
申请日：2022-04-08
申请人： 宁波慈溪生物医学工程研究所 , 中国科学院宁波材料技术与工程研究所
IPC分类号： G06T7/10 , G06V10/774 , G06T9/00
摘要： 本发明公开了一种OCT视网膜及脉络膜的自适应分割模型训练方法及应用。所述的训练方法包括：对源域初始编码器进行第一训练，获得包括源域编码器的源域分割网络；通过滑动指数平均方法将源域编码器的参数传递至初始目标编码器进行第二训练得到分割模型；第二训练至少包括：利用目标域编码特征和源域编码特征对初始目标域编码器进行特征层次对抗训练；以及利用目标域分割结果和源域分割结果对初始目标域编码器进行图像层次对抗训练。本发明首次提出视网膜全层以及脉络膜层的无监督领域自适应分割训练方法，领域间泛化能力强，无需大量的标签，且克服了现有技术中域参数纠缠现象引发的源域的分割性能下降，目标域分割性能随之下降的缺陷。
-
-
-
-
-
-
-
-
-
搜索结果
27 条记录 (耗时 0.066 秒)
