-
公开(公告)号：CN111753820A
公开(公告)日：2020-10-09
申请号：CN201910236304.0
申请日：2019-03-27
申请人： 天津工业大学
摘要： 本发明涉及一种基于深度学习的彩色眼底图像视杯分割方法。该方法包括：1)输入眼底图像；2)利用Seg-ResNet网络先对视盘进行分割，分割之后的视盘区作为视杯分割的感兴趣区域，再利用Seg-ResNet网络对视盘区进行视杯分割，该网络基于残差基础结构，考虑特征通道之间的关系进行通道加权，对通道间的依赖关系建模，自适应地调整各通道的特征响应值，并对多个层进行特征融合，实现在捕获图像语义信息的同时定位像素点的位置信息；3)输出利用Seg-ResNet网络的视杯分割结果。本发明在公开数据集GlaucomaRepo和Drishti-GS上进行视杯分割的测试，结果表明测试结果提高了分割准确率及算法鲁棒性。
-
公开(公告)号：CN111476261A
公开(公告)日：2020-07-31
申请号：CN201911288719.9
申请日：2019-12-16
申请人： 天津工业大学
摘要： 本发明提供了一种社区增强的图卷积神经网络方法，该方法包括：(1)输入图数据的节点特征向量组成的特征矩阵和图的邻接矩阵；(2)计算图的模块度矩阵；(3)采用图卷积神经网络对图数据进行特征提取，将最后一层隐层表示通过softmax函数获得最终的图表示；(4)定义检测社区结构的目标函数并将其与交叉熵函数融合为统一的损失函数；(5)优化参数，最小化损失函数，以迭代更新图表示。本发明可以同时获取图的局部和全局结构信息来学习图表示，可以广泛地用于社交网络、交通网络和引文网络等需要对无规则的图数据进行分析的技术领域。
-
公开(公告)号：CN110889015A
公开(公告)日：2020-03-17
申请号：CN201911057124.2
申请日：2019-10-31
申请人： 天津工业大学
IPC分类号： G06F16/901 , G06F17/16 , G06N3/04
摘要： 本发明提供了一种面向图数据的独立解耦卷积神经网络表征算法。它提出了一种全新的利用独立因素解耦的神经网络结构，先利用邻域路由机制进行解耦表征学习，接着通过HSIC算法增强了节点与邻居节点之间潜在因素表示的独立性，并将其作为正则化项集成到卷积神经网络中。通过本发明方法可以增强节点潜在因素间的独立性，得到更好的图节点分离表示。经过不同图数据的验证，本发明可应用于包括半监督图分类、图聚类和图可视化这三类任务，并且均具有良好的性能和明显的优势。
-
公开(公告)号：CN110751636A
公开(公告)日：2020-02-04
申请号：CN201910966530.4
申请日：2019-10-12
申请人： 天津工业大学
摘要： 本发明提出了一种基于改进型编解码网络的眼底图像视网膜动脉硬化检测方法，该方法包括：1)收集眼科专家已诊断为视网膜动脉硬化的眼底图像，拟合眼底图像中的病变血管，计算并统计反光参数以确定视网膜动脉硬化检测阈值；2)利用Inception ResnetV2模块和残差注意力机制模块改进编解码网络，并应用于动脉血管及动脉反光带的分割；3)筛选有效区域，对有效区域进行采样，再利用四段高斯模型拟合得到血管灰度分布曲线，根据拟合结果计算反光参数，再与阈值进行比较，判定患者是否患视网膜动脉硬化。本发明确定了视网膜动脉硬化定量检测阈值，并利用深度学习技术，解决了传统方法无法准确分割眼底动静脉血管及动脉反光带的问题，完成了视网膜动脉硬化的检测。
-
公开(公告)号：CN110609083A
公开(公告)日：2019-12-24
申请号：CN201810618479.3
申请日：2018-06-15
申请人： 天津工业大学
IPC分类号： G01N29/04
摘要： 本发明涉及基于超声相控阵的薄板三维机织层合板复合材料试件内部缺陷检测方法，包括：1)对试件进行100％扫查，得到三维机织层合板复合材料试件分别在同时激发4，8，16个晶片的条件下得到的超声检测结果图；2)对薄板机织层合板复合材料进行横纵向方向超声扫描得到检测图，得到相控阵设置最优参数；3)在参数设置最优条件下得到超声回波A扫波形图、B扫图像以及C扫图像；4)针对C扫得到的缺陷扫查图进行定量分析，结果表明，该检测方法可用于三维机织层合板复合材料的无损检测及其内部缺陷的初步评价。
-
公开(公告)号：CN110309880A
公开(公告)日：2019-10-08
申请号：CN201910584118.6
申请日：2019-07-01
申请人： 天津工业大学
摘要： 本发明涉及-种基于注意力机制CNN的5天和9天孵化鸡蛋胚胎图像分类方法，从而实现对鸡蛋胚胎活性检测并分拣，方法包括：1)提出了使用深度可分离卷积实现对已有的通道注意力特征图进行更充分的特征提取；2)采用空间金字塔空洞卷积生成高分辨率且大感受野的注意力权重图；3)通过逐元素乘法将权重掩膜对特征图进行空间加权，从而实现对有用信息增强而抑制噪声的作用。结果表明，注意力模块在卷积神经网络中起到特征选择器的作用，增强了卷积神经网络的特征表达的能力，从而提高了分类的准确度，成功解决了5日和9日鸡蛋胚胎人工分拣的效率低，劳动力消耗大等问题。
-
公开(公告)号：CN110297041A
公开(公告)日：2019-10-01
申请号：CN201910584117.1
申请日：2019-07-01
申请人： 天津工业大学
摘要： 本发明涉及一种基于FCN与GRU的3D编织复合材料缺陷检测方法，该方法包括：1)利用超声相控阵设备搭建用于采集3D编织复合材料的超声信号扫描系统；2)采集3D编织复合材料的超声信号，利用采集到的超声A信号构建数据集；3)使用改进好的FCN+GRU网络对数据集进行训练；4)采集待检测3D编织复合材料的超声A信号，用训练好的网络模型检测3D编织复合材料是否存在缺陷。与传统图像检测方案相比，本发明方法避免了复杂的A扫图像处理，能够直接对超声信号的序列数据进行检测。
-
公开(公告)号：CN109990707A
公开(公告)日：2019-07-09
申请号：CN201910264718.4
申请日：2019-04-02
申请人： 天津工业大学
摘要： 本发明设计了一种基于角点约束的裁片眼刀检测方法，该方法包括：采集现实中的裁片图像；对裁片图像进行畸变校正；将裁片图像和其对应的CAD进行匹配；通过仿射变换将图像和CAD重叠显示；通过角点检测算法提取CAD上的所有角点；从CAD上的角点中提取眼刀；在CAD上眼刀区域的邻域范围内提取裁片上眼刀；计算CAD上眼刀和裁片上眼刀之间的偏差。结果表明，本发明能够检测出裁片上的眼刀，且鲁棒性好。
-
公开(公告)号：CN109949302A
公开(公告)日：2019-06-28
申请号：CN201910235344.3
申请日：2019-03-27
申请人： 天津工业大学
IPC分类号： G06T7/00 , G06T7/11 , G06T7/136 , G06T7/194 , G06N3/04 , G06N3/08 , G06K9/62 , G16H30/40 , G16H50/20
摘要： 本发明涉及一种基于像素点的视网膜特征结构分割方法，包括：1)采集彩色眼底视网膜图像；2)对采集图像中的特征结构进行标注，分别标注血管、渗出物、视杯视盘、出血点和黄斑；3)对采集的图像按照健康、非增殖型糖尿病视网膜病变程度和增殖型糖尿病视网膜病变分成五类，构建数据集；4)对视网膜彩色图像进行FOV提取，确定提取阈值；5)设计多尺度分割网络，输入四种视网膜图像尺寸训练模型；6)建立该网络ROC曲线，比较网络之间的灵敏度和特异性。结果表明，本方法可以提高视网膜特征分割的准确率，且鲁棒性好。
-
公开(公告)号：CN108510473A
公开(公告)日：2018-09-07
申请号：CN201810192757.3
申请日：2018-03-09
申请人： 天津工业大学
摘要： 本发明涉及一种结合深度可分离卷积与通道加权的FCN视网膜图像血管分割方法，包括：1)对眼底图像的绿色通道进行CLAHE及Gamma校正以增强对比度；2)为了适应网络训练，对增强后的图像进行分块以扩充数据；3)以深度可分离卷积代替标准的卷积方式以增加网络宽度，同时引入通道加权模块，以学习的方式显式地建模特征通道的依赖关系，提高特征的可分辨性。将二者结合应用于FCN网络中，以专家手动标识结果作为监督在DRIVE数据库进行实验。结果表明，该方法可以实现较为精确的视网膜图像血管分割，并且具有较高的鲁棒性。
-
-
-
-
-
-
-
-
-
搜索结果
139 条记录 (耗时 0.038 秒)
