-
公开(公告)号：CN114332910A
公开(公告)日：2022-04-12
申请号：CN202111360631.0
申请日：2021-11-17
申请人： 中科(厦门)数据智能研究院
IPC分类号： G06V40/10 , G06V10/32 , G06V10/30 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/00 , G06T5/00 , G06T5/40 , G01J5/00
摘要： 本发明公开了一种面向远红外图像的相似特征计算的人体部位分割方法，包括远红外数据采集模块根据病症的特性采集多距离、多光线及多场景的人体远红外图像；数据预处理模块将采集到的远红外图像进行预处理；区域坐标模块针对人体区域分布的特点，提出Inte‑UNet网络模型，实现人体区域的分割，通过预训练得到人体区域分割的预训练模型；远红外人体区域伪RGB图模块用于获取人体各区域对应的伪RGB图区域；通过异常识别模块识别远红外人体区域伪RGB图模块中的人体子区域伪RGB图是否存在异常。本发明所述的一种面向远红外图像的相似特征计算的人体部位分割方法，通过针对人体区域进行相似特征区域的分割，能够结合人体体温的分布特点进行更有效的温度差异分析。
-
公开(公告)号：CN113592883B
公开(公告)日：2024-09-06
申请号：CN202110915201.4
申请日：2021-08-10
申请人： 中科(厦门)数据智能研究院
发明人： 张勤
IPC分类号： G06T7/11 , G06T7/00 , G06T5/50 , G06T3/4038
摘要： 本发明公开了一种PAS染色显微镜病理图像的分割方法，包括以下步骤，步骤一、训练数据集：对原始大图进行两种不同方式裁剪，形成两种不同的数据集；步骤二、训练模型：采用分割模型对步骤一中的两种数据集分别进行常规训练，获得两个阶段训练模型；步骤三、通过模型对新数据进行预测：对步骤二中获得的两种模型对新数据进行预测。本发明所述的一种PAS染色显微镜病理图像的分割方法，进行两个阶段使用有差别的数据集进行针对性的训练，可以有效地提高在高分辨PAS染色显微镜病理图像分割的准确度，经验证该方法相较于传统的模型训练方法能提高1.02%的准确率。
-
公开(公告)号：CN113516653A
公开(公告)日：2021-10-19
申请号：CN202110918571.3
申请日：2021-08-11
申请人： 中科(厦门)数据智能研究院
摘要： 本发明公开了一种多特征融合计算识别胶质瘤复发与坏死的方法，包括以下步骤，步骤一：数据预处理；步骤二：对胶质瘤病灶进行分割；步骤三：对胶质瘤病灶影像组学特征进行获取；步骤四：对多特征融合分类；本发明所述的一种多特征融合计算识别胶质瘤复发与坏死的方法，本方法神经网络的卷积层特征与影像组学特征进行融合，使模型通过两种特征维度空间，能够从常规MRI结构像学习到区分复发与坏死的病灶特征信息，以此缓解国内专业医疗人员的分布不均匀、高质量影像设备有限等问题，从而能够辅助医生对术后的GBM患者有更好的预判结果。
-
公开(公告)号：CN113516653B
公开(公告)日：2024-03-15
申请号：CN202110918571.3
申请日：2021-08-11
申请人： 中科(厦门)数据智能研究院
IPC分类号： G06T7/00 , G06T7/11 , G06T7/33 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种多特征融合计算识别胶质瘤复发与坏死的方法，包括以下步骤，步骤一：数据预处理；步骤二：对胶质瘤病灶进行分割；步骤三：对胶质瘤病灶影像组学特征进行获取；步骤四：对多特征融合分类；本发明所述的一种多特征融合计算识别胶质瘤复发与坏死的方法，本方法神经网络的卷积层特征与影像组学特征进行融合，使模型通过两种特征维度空间，能够从常规MRI结构像学习到区分复发与坏死的病灶特征信息，以此缓解国内专业医疗人员的分布不均匀、高质量影像设备有限等问题，从而能够辅助医生对术后的GBM患者有更好的预判结果。
-
公开(公告)号：CN113592883A
公开(公告)日：2021-11-02
申请号：CN202110915201.4
申请日：2021-08-10
申请人： 中科(厦门)数据智能研究院
发明人： 张勤
摘要： 本发明公开了一种PAS染色显微镜病理图像的分割方法，包括以下步骤，步骤一、训练数据集：对原始大图进行两种不同方式裁剪，形成两种不同的数据集；步骤二、训练模型：采用分割模型对步骤一中的两种数据集分别进行常规训练，获得两个阶段训练模型；步骤三、通过模型对新数据进行预测：对步骤二中获得的两种模型对新数据进行预测。本发明所述的一种PAS染色显微镜病理图像的分割方法，进行两个阶段使用有差别的数据集进行针对性的训练，可以有效地提高在高分辨PAS染色显微镜病理图像分割的准确度，经验证该方法相较于传统的模型训练方法能提高1.02%的准确率。
-
-
-
-
搜索结果
5 条记录 (耗时 0.039 秒)
