-
公开(公告)号：CN119887579A
公开(公告)日：2025-04-25
申请号：CN202510025554.5
申请日：2025-01-08
Applicant: 中国科学院自动化研究所
IPC: G06T5/73 , G06V10/44 , G06V10/42 , G06N3/0464
Abstract: 本公开提供了一种基于烟雾去除模型的图像去烟雾方法、装置及电子设备，可以应用于图像处理技术领域。该方法包括：利用烟雾检测器处理有烟图像，得到烟雾掩膜图像；对有烟图像和烟雾掩膜图像进行M个级联的上采样阶段处理和M个级联的下采样阶段处理，输出预测无烟图像；其中，任一个第K次下采样阶段处理包括对第K‑1次下采样输出结果以及有烟图像的下采样特征提取和下采样特征融合，下采样特征提取包括：根据分支数量N对第K次预处理特征进行划分，得到N个图像分支特征；针对每个图像分支特征，利用扩张卷积增强模块进行第一特征提取，得到图像局部特征；利用视觉状态空间特征提取模块对图像局部特征进行第二特征提取，得到图像全局特征。
-
公开(公告)号：CN114881208B
公开(公告)日：2025-02-11
申请号：CN202210478674.7
申请日：2022-05-05
Applicant: 中国科学院自动化研究所
IPC: G06F18/20 , G06F18/10 , G06N3/0455 , G06N3/08 , A61B5/0515 , A61B5/00 , G06F123/02
Abstract: 本发明属于生物医学分子影像领域，具体涉及一种基于自注意力机制的MMPI混合信号分离方法、系统、设备，旨在解决现有MMPI技术中，基于物理特性构建的混合SPIOs分离模型分离误差大且难定量的问题。本方法包括：构建待MMPI成像的生物体的生物病灶模型，并将包裹SPIOs的靶向分子探针注射到该生物病灶模型中；注射后，利用MPI设备对所述生物病灶模型进行信号采集，得到包含n种SPIOs的时域混合信号；通过训练好的自注意力机制神经网络对所述时域混合信号进行分离，得到n种单独的SPIOs时域电压信号。本发明实现对时域混合信号的精准分离，并提高了MMPI的检测灵敏度。
-
公开(公告)号：CN110321943B
公开(公告)日：2021-08-31
申请号：CN201910554363.2
申请日：2019-06-25
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于半监督深度学习的CT图像分类方法、系统、装置，旨在解决现有监督学习方法无法识别无标签CT图像的问题。本发明方法包括：将待分类的CT图像的三维感兴趣区域作为第一感兴趣区域，根据第一感兴趣区域的中心点坐标选取第一预设尺寸的三维区域作为第二感兴趣区域；采用三次样条差值算法将第一感兴趣区域缩放至第二预设尺寸，并对第二感兴趣区域和缩放后的第一感兴趣区域进行归一化；根据归一化后的第一感兴趣区域、第二感兴趣区域，通过卷积自编码器CAE获取感兴趣区域无监督特征；基于无监督特征，采用随机森林分类器获取CT图像的分类结果。本发明可以获取无标签CT图像的分类。
-
公开(公告)号：CN112257769A
公开(公告)日：2021-01-22
申请号：CN202011119554.5
申请日：2020-10-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于图像处理技术领域，具体涉及了一种基于强化学习类脑读图的多层核磁影像分类方法及系统，旨在解决现有模型在多层核磁影像分类中性能不佳的问题。本发明包括：将多层核磁影像拆为单层；通过特征编码与预测模型进行第t个核磁影像的编码和感知，获得低维深度特征和分类结果；基于低维深度特征，通过行动策略生成模型获取行动指令xt；若xt不为0，则进行t+xt层影像的特征编码与预测、行动指令生成以及判断，直至行动指令为0；以指令为0的影像的层级分类结果作为多层核磁影像的分类结果。本发明对每一层核磁影像实施逐像素分析保证层级分类正确，并可准确定位真正对最终决策有贡献的层级，进而实现更加精准的多样本多分类任务。
-
公开(公告)号：CN110969204A
公开(公告)日：2020-04-07
申请号：CN201911199840.4
申请日：2019-11-29
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于医学图像处理技术领域，具体涉及一种基于磁共振图像与数字病理图像融合的样本分类系统，旨在解决现有影像学或病理学的单一样本分类的局限性，导致样本分类精度较低的问题。本系统包括获取图像模块，配置为获取第一、第二图像；预处理模块，配置为对第一、第二图像进行预处理；勾画模块，配置为通过勾画方法获取预处理后各图像的感兴趣区域，并进一步处理；提取特征模块，配置为分别提取处理后的各图像感兴趣区域的特征；筛选排序模块，配置为对提取的特征进行筛选排序；分类输出模块，配置为将筛选排序后的特征，通过分类模型得到分类结果。本发明将磁共振图像和数字病理图像进行融合，解决了单一样本分类的缺陷，提高了分类的精度。
-
Patent Agency Ranking
公开(公告)号：CN108577824A
公开(公告)日：2018-09-28
申请号：CN201810477322.3
申请日：2018-05-17
Applicant: 中国科学院自动化研究所
Abstract: 一种脑血流量检测方法，包括以下步骤：S1、获取人体的PET图像和MRI图像；S2、通过所述MRI图像在PET图像中定位颈动脉和脑组织的位置，进而在所述PET图像中获取脑组织处的时间-放射性示踪剂浓度曲线和颈动脉处的时间-放射性示踪剂浓度曲线；S3、根据脑组织处的时间-放射性示踪剂浓度曲线和颈动脉处的时间-放射性示踪剂浓度曲线，通过以下公式求解脑血流量：其中，Ct(t)表示脑组织处的时间-放射性示踪剂浓度曲线，Ca(t)表示颈动脉处的时间-放射性示踪剂浓度曲线，t表示时间，f为脑血流量，P为放射性示踪剂在脑组织和血液中的分配比值。
-
公开(公告)号：CN103431912B
公开(公告)日：2016-04-13
申请号：CN201310325208.6
申请日：2013-07-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种分离式多模融合三维断层成像系统及其方法。所述系统包括：数据源发射模块：其分别发射X射线和激发光光源对样本进行照射；数据采集模块：其用于探测经过样本的X射线剂量，以及接受从样本激发出的荧光信息；控制系统及数据传输模块：其用于控制系统中各模块的有序运转；数据处理模块：其对采集到的样本成像数据进行处理，三维重建出样本的结构信息和光源分布信息。本发明能够实现实时、无损的生物体内激发荧光成像和X射线断层成像的多模态影像获取，能快速地得到成像样品的生物信息，在物理位置上克服了模态间的相互影响，同时也能使成像样品的不同模态数据在物理位置上得以良好的融合。
-
公开(公告)号：CN103345749B
公开(公告)日：2016-04-13
申请号：CN201310263230.2
申请日：2013-06-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于模态融合的大脑网络功能连接偏侧性检测方法，该方法包括以下步骤：首先，对fMRI图像进行预处理，并提取大脑网络左右半球内脑区的空间三维坐标信息；其次，基于fMRI图像提取的脑区的空间三维坐标信息，从经过预处理后的MEG数据中提取出对应的时间序列信息；然后，利用MEG数据提取的脑区的时间序列，进行脑区之间的功能连接度分析；最后，计算大脑网络脑区之间功能连接的偏侧性指数。本发明所述方法是一种有效的基于磁共振和脑磁图模态融合的大脑网络功能连接偏侧性检测方法，能够比传统的仅利用fMRI图像的检测方法更完整、全面地检测大脑网络功能连接的偏侧性。
-
公开(公告)号：CN103519789A
公开(公告)日：2014-01-22
申请号：CN201310507346.6
申请日：2013-10-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种集成光声与X射线断层成像的分离式成像系统，包括：数据源发射设备，用于分别发射X射线和激发光光源以对样本进行照射；数据采集设备，用X射线探测器探测经过样本的X射线剂量，以及用光声探测器接收样本激发出的光声信号；控制及数据传输设备，用于控制滚筒的旋转获得不同角度的投影数据，并传输给数据处理设备，其中滚筒上固定数据源发射设备和数据采集设备；数据处理设备，用于对采集到的各模态数据进行后处理。本发明能够快速地得到成像样本的生物信息，在物理位置上克服了模态间的相互影响，同时也能使成像样本的不同模态数据在物理位置上得以良好的融合。
-
公开(公告)号：CN103345749A
公开(公告)日：2013-10-09
申请号：CN201310263230.2
申请日：2013-06-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于模态融合的大脑网络功能连接偏侧性检测方法，该方法包括以下步骤：首先，对fMRI图像进行预处理，并提取大脑网络左右半球内脑区的空间三维坐标信息；其次，基于fMRI图像提取的脑区的空间三维坐标信息，从经过预处理后的MEG数据中提取出对应的时间序列信息；然后，利用MEG数据提取的脑区的时间序列，进行脑区之间的功能连接度分析；最后，计算大脑网络脑区之间功能连接的偏侧性指数。本发明所述方法是一种有效的基于磁共振和脑磁图模态融合的大脑网络功能连接偏侧性检测方法，能够比传统的仅利用fMRI图像的检测方法更完整、全面地检测大脑网络功能连接的偏侧性。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.04 seconds)
