-
公开(公告)号：CN119228802A
公开(公告)日：2024-12-31
申请号：CN202411754912.8
申请日：2024-12-03
Applicant: 南京邮电大学
IPC: G06T7/00 , G06V20/64 , G06V20/70 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本申请公开了多生牙自动检测方法、装置、存储介质及电子设备。该方法包括：获取三维图像，将三维图像进行预处理得到多个图像块；将图像块输入到训练好的两阶段深度注意力网络中进行识别，得到三维图像中包含多生牙的概率值；其中，两阶段深度注意力网络包括定位子网络和分类子网络；将图像块输入到训练好的两阶段深度注意力网络中进行识别，包括：将图像块输入到定位子网络中得到矩形定位框，将矩形定位框输入到分类子网络中得到图像块中包含多生牙的概率值。本申请能够加快多生牙的检测速度，提升分类精度。
-
Patent Agency Ranking
公开(公告)号：CN119228802B
公开(公告)日：2025-02-11
申请号：CN202411754912.8
申请日：2024-12-03
Applicant: 南京邮电大学
IPC: G06T7/00 , G06V20/64 , G06V20/70 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本申请公开了多生牙自动检测方法、装置、存储介质及电子设备。该方法包括：获取三维图像，将三维图像进行预处理得到多个图像块；将图像块输入到训练好的两阶段深度注意力网络中进行识别，得到三维图像中包含多生牙的概率值；其中，两阶段深度注意力网络包括定位子网络和分类子网络；将图像块输入到训练好的两阶段深度注意力网络中进行识别，包括：将图像块输入到定位子网络中得到矩形定位框，将矩形定位框输入到分类子网络中得到图像块中包含多生牙的概率值。本申请能够加快多生牙的检测速度，提升分类精度。
-
公开(公告)号：CN112634240B
公开(公告)日：2022-09-23
申请号：CN202011561899.6
申请日：2020-12-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于阈值分割的甲状腺超声图像干扰界面自动识别去除方法。属于医学图像分割技术领域；本发明可在初始设定阈值基础上对图像进行二值化处理从而获得最初始的遮罩；不论感兴趣区域与操作界面大小差异，只要感兴趣区域的大部分区域位于整张图像中部，即可完成提取；对于图像感兴趣区域外的字符标识干扰，能够使用形态学操作将其影响减小从而获取感兴趣区域。本发明主要在对操作界面干扰的自动判别上有所创新，能够满足多种不同大小和位置的操作界面干扰的去除。与现有技术相比，本发明能够快速且自动识别并去除超声甲状腺图像的边缘干扰，提取感兴趣区域，为后续分割、特征提取和分类提供便利。
-
公开(公告)号：CN119228764A
公开(公告)日：2024-12-31
申请号：CN202411352028.1
申请日：2024-09-26
Applicant: 南京邮电大学
Abstract: 本申请公开了磨牙牙根与神经管位置关系的检测方法与装置。该方法包括：获取曲面体层图像；将曲面体层图像输入到训练好的检测模型中，得到检测结果；其中，检测模型包括特征提取网络、特征融合网络和预测网络，特征提取网络包括轻量化跨阶段模块和空间‑通道混合注意力模块；得到检测结果的步骤包括：将曲面体层图像输入到特征提取网络中，通过轻量化跨阶段模块和空间‑通道混合注意力模块处理后得到多个子特征图，将多个子特征图输入到特征融合网络中进行处理，得到多个输出特征图，将多个输出特征图输入到预测网络中，得到预测的边界框和目标置信度。本申请能够提升曲面体层图像的识别精度，并减少网络计算复杂度和参数量。
-
公开(公告)号：CN115553750A
公开(公告)日：2023-01-03
申请号：CN202211194282.4
申请日：2022-09-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基线透视可视图的主观认知下降患者识别方法及装置，包括获取一条长度为N的时间序列；通过基线透视可视图算法将所述时间序列映射到节点为N的复杂网络，时间序列的每个时间点对应网络上的每个节点，用大小为N*N的邻接矩阵表示节点间的连接情况；通过邻接矩阵获取其度分布序列，提取度分布特性、网络平均度和度分布熵；基于机器学习算法并结合特征选择和交叉验证策略，进行主观认知下降患者的个体识别。本发明提高了基线以下信号的利用程度，将周期序列转化为规则网络，随机序列转化为随机网络，分形序列转化为无标度网络，保留了时间序列的特性，对不同的时间序列具有区分度，有助于挖掘时间序列的动力学特性。
-
公开(公告)号：CN112634240A
公开(公告)日：2021-04-09
申请号：CN202011561899.6
申请日：2020-12-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于阈值分割的甲状腺超声图像干扰界面自动识别去除方法。属于医学图像分割技术领域；本发明可在初始设定阈值基础上对图像进行二值化处理从而获得最初始的遮罩；不论感兴趣区域与操作界面大小差异，只要感兴趣区域的大部分区域位于整张图像中部，即可完成提取；对于图像感兴趣区域外的字符标识干扰，能够使用形态学操作将其影响减小从而获取感兴趣区域。本发明主要在对操作界面干扰的自动判别上有所创新，能够满足多种不同大小和位置的操作界面干扰的去除。与现有技术相比，本发明能够快速且自动识别并去除超声甲状腺图像的边缘干扰，提取感兴趣区域，为后续分割、特征提取和分类提供便利。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
