-
公开(公告)号：CN117218129A
公开(公告)日：2023-12-12
申请号：CN202311484484.7
申请日：2023-11-09
申请人： 四川大学
IPC分类号： G06T7/00 , G06V10/20 , G06V10/24 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/44 , G06V10/52 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0495 , G06N3/0475 , G06N3/094
摘要： 本发明公开了一种食道癌图像识别分类方法、系统、设备及介质，涉及食道癌图像的识别、分类，其目的在于解决现有技术中存在的无法识别食管图像中的小目标病灶以及在处理内镜检查视频流时会产生较大延迟的技术问题。其包括获取食管检查数据样本及标签数据；构建食道癌图像识别分类模型，食道癌图像识别分类模型包括骨干网络、特征融合网络、检测头以及识别分类网络；骨干网络对食管图像进行特征提取，并输出4层多尺度特征，特征融合网络对4层多尺度特征进行特征融合，融合后的特征经由检测头输入识别分类网络，识别分类网络输出分类结果；训练食道癌图像识别分类模型；输入实时食管检测数据，食道癌图像识别分类模型输出识别分类结果。
-
公开(公告)号：CN112102339B
公开(公告)日：2023-07-07
申请号：CN202010995062.6
申请日：2020-09-21
申请人： 四川大学
摘要： 本发明公开了一种基于图集配准的全身骨显像骨骼分割方法，包括以下步骤：获得由专业设备采集到的原始全身骨显像数据；对原始的全身骨显像数据进行预处理，包括污染检测处理、污染修补处理、标准化处理、配准处理、正则化处理；根据系统中存储的形变分割模板对所述预处理后的全身骨显像图像进行分割处理，得到全身骨显像的分割结果。通过上述方法，能够对单次全身骨扫描检查的图像进行骨骼定位并为骨病灶的定位提供依据，通过骨显像污染检测和污染修补算法自动降低差异性来提高显像质量，解决不同全身骨扫描间存在的显影差异，实现了对全身骨显像骨骼的快速精准智能定位。
-
公开(公告)号：CN113487614A
公开(公告)日：2021-10-08
申请号：CN202111047127.5
申请日：2021-09-08
申请人： 四川大学
摘要： 本发明涉及人工智能技术领域，公开了一种胎儿超声标准切面图像识别网络模型的训练方法和装置，所述方法包括：构建已完成预训练的教师网络模型和未训练的第一学生网络模型，教师网络模型和第一学生网络模型均是残差连接的卷积神经网络；基于教师网络模型的隐藏层知识训练第一学生网络模型的中间层获得第二学生网络模型；基于第二学生网络模型的自蒸馏知识和教师网络模型与第二学生网络模型输出样本间的相似度矩阵预测信息训练第二学生网络模型得到胎儿超声标准切面图像识别网络模型。本发明以此训练获得的胎儿超声标准切面图像识别网络模型其具有识别效率高、结构轻量便于部署的优点。
-
公开(公告)号：CN112580639B
公开(公告)日：2021-08-13
申请号：CN202110223672.9
申请日：2021-03-01
申请人： 四川大学
摘要： 本发明公开一种基于进化神经网络模型压缩的早期胃癌图像识别方法，涉及计算机应用技术领域，解决现有卷积神经网络模型中的参数冗余、早期胃癌识别过程中神经网络模型计算量消耗大而导致的实时性差的问题；包括以下步骤：采集早期胃癌图像数据集;训练神经网络模型；构建二值编码方式来对神经网络模型中的参数进行编码;使用进化算法对训练后的神经网络模型进行压缩;微调压缩后的神经网络模型，并识别新输入的胃镜检查图像上的早期胃癌病变区域；本发明能够根据收集的胃镜检查图像数据压缩用于检测的神经网络模型，从而提高早期胃癌检测任务中神经网络模型的效率，使得深度神经网络方法在早期胃癌检测方面具有好的实时性能。
-
公开(公告)号：CN112464579B
公开(公告)日：2021-06-01
申请号：CN202110141443.2
申请日：2021-02-02
申请人： 四川大学
IPC分类号： G06F30/27 , G06T7/00 , G06T3/40 , G06N3/04 , G06N3/08 , G06F111/04 , G06F111/06 , G06F111/08
摘要： 本发明公开了一种基于进化神经网络结构搜索的食管癌病变区域识别建模方法，涉及图像模式识别及医学图像的技术领域，包括如下步骤：S1：采集并标注用于训练神经网络模型的食管图像数据集；S2：构建用于食管癌病变区域识别的神经网络结构搜索空间；S3：训练面向食管癌病变区域识别的超网络模型；S4：使用进化算法在构建的超网络模型上搜索最优神经网络结构；S5：微调搜索到的神经网络结构，并预测新输入的食管图像上的病变区域。本发明消除食管癌智能识别任务中神经网络结构设计对于专家经验的依赖，使得深度神经网络方法在食管癌病变区域识别方面更加容易使用。
-
公开(公告)号：CN112668592A
公开(公告)日：2021-04-16
申请号：CN202110065708.5
申请日：2021-01-18
申请人： 四川大学
摘要： 本发明公开了一种基于神经网络的肺结节筛选方法，属于神经网络及胸部肺肺结节筛查领域。本发明能够解决现有的技术由于提取X光中特征时存在有效性差，以及未能有效解决类别不平衡带来的训练问题，并且能够解决由于上述原因导致的所构建出的模型依旧难以真正用于临床的问题。为此，本发明包括：胸部图像数据的准备；主特征提取网络的构建与训练；交叉带权交叉熵函数的构建AUC性能指标的近似；在线的训练以及特殊情况下的处理；基于弱监督学习的胸部肺结节的定位。
-
公开(公告)号：CN112102339A
公开(公告)日：2020-12-18
申请号：CN202010995062.6
申请日：2020-09-21
申请人： 四川大学
摘要： 本发明公开了一种基于图集配准的全身骨显像骨骼分割方法，包括以下步骤：获得由专业设备采集到的原始全身骨显像数据；对原始的全身骨显像数据进行预处理，包括污染检测处理、污染修补处理、标准化处理、配准处理、正则化处理；根据系统中存储的形变分割模板对所述预处理后的全身骨显像图像进行分割处理，得到全身骨显像的分割结果。通过上述方法，能够对单次全身骨扫描检查的图像进行骨骼定位并为骨病灶的定位提供依据，通过骨显像污染检测和污染修补算法自动降低差异性来提高显像质量，解决不同全身骨扫描间存在的显影差异，实现了对全身骨显像骨骼的快速精准智能定位。
-
公开(公告)号：CN106202997A
公开(公告)日：2016-12-07
申请号：CN201610499189.2
申请日：2016-06-29
申请人： 四川大学
IPC分类号： G06F19/24
CPC分类号： G06F19/24
摘要： 本发明公开了一种基于深度学习的细胞分裂检测方法，涉及细胞生物学等技术领域，解决细胞分裂检测结果不准确的问题。本发明包括获取细胞培养过程中的图像，并根据一定时间间隔获取的图像构成连续的图像序列；对图像序列中所有的细胞分裂过程进行判定比较，并对细胞分裂中可清晰观察到父细胞分裂为两个子细胞膜的位置进行标注，构成标注的数据集；构建全卷积神经网络模型，确定全卷积神经网络模型的参数，在全卷积神经网络模型中载入标注的数据集，使用深度学习方法直接从图像序列上进行特征学习，得到训练好的全卷积神经网络模型；将训练好的全卷积神经网络模型进行部署，用于相似类型细胞培养数据的细胞分裂的自动检测。本发明用于细胞分裂检测。
-
公开(公告)号：CN115938546B
公开(公告)日：2023-07-14
申请号：CN202310143511.8
申请日：2023-02-21
申请人： 四川大学华西医院
IPC分类号： G16H30/40 , G06T7/00 , G06N3/0464 , G06N3/0475 , G06N3/094
摘要： 本发明公开了一种早期胃癌图像合成方法、系统、设备及存储介质，涉及图像数据处理技术领域，解决现有早期胃癌数据收集困难以及普通数据增广方法产生的早期胃癌数据多样性差的问题，包括采集并标注正常胃图像数据和早期胃癌图像数据；正常胃图像和早期胃癌图像有效视野提取；创建生成对抗网络模型，并使用正常胃图像和早期胃癌图像的有效视野来训练该生成对抗网络模型；加载生成对抗网络模型，根据输入的正常胃图像生成对应的早期胃癌图像；本发明设计一种生成对抗网络模型，将正常胃图像合成为早期胃癌图像数据，由于正常胃图像具备大量不同形态，因此相比普通的几何变换、颜色抖动方法增广得到的数据具备更好的多样性。
-
公开(公告)号：CN112668592B
公开(公告)日：2022-07-05
申请号：CN202110065708.5
申请日：2021-01-18
申请人： 四川大学
摘要： 本发明公开了一种基于神经网络的肺结节筛选方法，属于神经网络及胸部肺肺结节筛查领域。本发明能够解决现有的技术由于提取X光中特征时存在有效性差，以及未能有效解决类别不平衡带来的训练问题，并且能够解决由于上述原因导致的所构建出的模型依旧难以真正用于临床的问题。为此，本发明包括：胸部图像数据的准备；主特征提取网络的构建与训练；交叉带权交叉熵函数的构建AUC性能指标的近似；在线的训练以及特殊情况下的处理；基于弱监督学习的胸部肺结节的定位。
-
-
-
-
-
-
-
-
-
搜索结果
21 条记录 (耗时 0.028 秒)
