-
公开(公告)号：CN118096769B
公开(公告)日：2024-07-23
申请号：CN202410524350.1
申请日：2024-04-29
申请人： 中国科学院宁波材料技术与工程研究所 , 宁波慈溪生物医学工程研究所
摘要： 本发明公开了一种视网膜OCT图像的分析方法及装置，涉及视网膜OCT图像处理领域，获取当前待处理的视网膜OCT图像，预先训练好了具有泛化能力的域泛化视网膜分层模型，将该视网膜OCT图像作为输入项输入上述域泛化视网膜分层模型，可以得到具有语义一致性的特征表示，进而根据该特征表示对视网膜OCT图像分层以得到分层后的层次结构。可见，本申请通过构建语义一致的特征表达，捕捉了图像间共性的高级语义属性，减弱了不同OCT设备或者数据中心引入的特征分布偏差，该域泛化视网膜分层模型具备在跨设备和跨中心数据上的泛化能力，使得视网膜分层得到的层次结构更准确，自动化程度高，利于实际应用。
-
公开(公告)号：CN116934765A
公开(公告)日：2023-10-24
申请号：CN202210371929.X
申请日：2022-04-08
申请人： 宁波慈溪生物医学工程研究所 , 中国科学院宁波材料技术与工程研究所
IPC分类号： G06T7/10 , G06V10/774 , G06T9/00
摘要： 本发明公开了一种OCT视网膜及脉络膜的自适应分割模型训练方法及应用。所述的训练方法包括：对源域初始编码器进行第一训练，获得包括源域编码器的源域分割网络；通过滑动指数平均方法将源域编码器的参数传递至初始目标编码器进行第二训练得到分割模型；第二训练至少包括：利用目标域编码特征和源域编码特征对初始目标域编码器进行特征层次对抗训练；以及利用目标域分割结果和源域分割结果对初始目标域编码器进行图像层次对抗训练。本发明首次提出视网膜全层以及脉络膜层的无监督领域自适应分割训练方法，领域间泛化能力强，无需大量的标签，且克服了现有技术中域参数纠缠现象引发的源域的分割性能下降，目标域分割性能随之下降的缺陷。
-
公开(公告)号：CN116596845A
公开(公告)日：2023-08-15
申请号：CN202310362261.7
申请日：2023-04-07
申请人： 浙江工业大学 , 中国科学院宁波材料技术与工程研究所 , 宁波慈溪生物医学工程研究所
IPC分类号： G06T7/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0895 , G06N3/084
摘要： 本发明提供一种基于弱监督学习的UWF眼底图像病灶区域定位方法，包括：获得UWF眼底图像；构建ResNet卷积神经网络模型；获取多尺度特征数据；获取全局注意力特征数据；将多尺度特征数据以及全局注意力特征数据相加获得特征显著数据；过滤；对病灶区域进行定位；对每张定位后的数据进行标记；对带标记的数据进行概率映射；构建分类器，对映射后数据以及带标记的数据进行训练；通过训练后的分类器对测试图像集中的病灶区域进行定位与预测；本发明只需要进行简单的分类标签来对模型进行标记，形成弱监督学习，且能在最后有效定位病灶区域，也不需要在眼底图像像素级的尺度上进行人工标记，人工成本大大降低。
-
公开(公告)号：CN115359082A
公开(公告)日：2022-11-18
申请号：CN202210991243.0
申请日：2022-08-17
申请人： 宁波慈溪生物医学工程研究所 , 中国科学院宁波材料技术与工程研究所
摘要： 本发明公开了一种基于边界增强的OCT图像脉络膜层结构分割方法及存储介质，OCT图像脉络膜层结构分割方法包括：获取输入图像的边缘关键点并生成边界增强软图；构建边界增强模块，分别从三个角度：空间、特征和通道对图像中脉络膜层的边界信息进行增强并提取；将所述边界增强模块嵌入编码‑解码结构的分割网络，得到具有边界信息保持特征的预测分割对象；采用边界感知损失模块所述边界增强软图与预测分割对象进行处理，得到脉络膜层的分割结果。本发明通过生成脉络膜层边界增强软图，并从多角度构建边界增强模块，且利用边界感知损失模块进一步优化分割结果，实现了脉络膜层结构自动分割方法，无需人工干预，且解决层边界模糊问题，分割效果良好。
-
公开(公告)号：CN117765532A
公开(公告)日：2024-03-26
申请号：CN202410194528.0
申请日：2024-02-22
申请人： 中国科学院宁波材料技术与工程研究所 , 宁波慈溪生物医学工程研究所
IPC分类号： G06V20/69 , G06V20/70 , G06V10/26 , G06V10/30 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06N20/20
摘要： 本发明公开了一种基于共聚焦显微图像的角膜朗格汉斯细胞分割方法和装置，属于医学影像分割领域，包括：获取IVCM设备拍摄的包含大量朗格汉斯细胞的角膜上皮下神经纤维丛影像，并进行数据预处理，建立朗格汉斯细胞分割金标准，构建模型训练数据集；设计基于膨胀加持的集成学习策略，用于突出图像分割目标，屏蔽背景信息；设计基于原图引导的发散感知与集成增强策略，增强模型对朗格汉斯细胞形态特征的学习，提升模型分割效果；基于最终分割图，对细胞密度、数量、成熟度等形态学参数进行量化，以提供临床分析。本发明提出的分割方法能够屏蔽IVCM图像中的伪影和噪声信息，减少模型误分割与欠分割率，从而提升朗格汉斯细胞的分割精度和效率。
-
公开(公告)号：CN117726642A
公开(公告)日：2024-03-19
申请号：CN202410174151.2
申请日：2024-02-07
申请人： 中国科学院宁波材料技术与工程研究所 , 宁波慈溪生物医学工程研究所
IPC分类号： G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/082 , G06T7/00
摘要： 本发明公开了一种用于光学相干断层扫描图像的高反射病灶分割方法和装置，属于图像处理领域，包括：采集视网膜图像并进行人为标注，得到分割图像域数据；构建包含生成器和双重判别器的条件生成对抗网络，生成器包含区域自适应选择模块和相邻帧引导模块，以实现局部‑全局、帧内‑帧间信息的高效利用；采用源域数据和分割图像域数据对条件生成对抗网络进行训练，通过整体分割损失函数的最小化，得到训练好的Ad‑GAN框架，用于视网膜图像中高反射病灶的实际分割任务。本发明通过在生成器中设置区域自适应选择模块和相邻帧引导模块，充分利用视网膜图像中的局部‑全局以及帧内‑帧间信息，能够明显提高对高反射病灶的分割精度。
-
公开(公告)号：CN115631207A
公开(公告)日：2023-01-20
申请号：CN202211151759.0
申请日：2022-09-21
申请人： 中国科学院宁波材料技术与工程研究所 , 宁波慈溪生物医学工程研究所
IPC分类号： G06T7/12 , G06N3/0455 , G06N3/047 , G06N3/048
摘要： 本发明提供了基于OCT图像的脉络膜亚层与大血管联合分割的方法，涉及图像处理技术领域，本方法包括步骤S1：构建脉络膜亚层和脉络膜大血管的联合分割框架，其中联合分割框架包括第一子网络和第二子网络，第一子网络为脉络膜亚层分割子网络，第二子网络为脉络膜大血管分割子网络；S2：构建空间注意力模块和边界增强模块，对OCT图像中脉络膜亚层的边界信息进行强化；S3：基于Transformer构建用于数据集的特征提取模块，来提取脉络膜大血管信息；S4：通过由交叉熵损失项和豪斯多夫距离损失项组成的损失函数来优化血管形态。本方法能够有效提升脉络膜亚层和大血管结构的分割精度。
-
公开(公告)号：CN118096769A
公开(公告)日：2024-05-28
申请号：CN202410524350.1
申请日：2024-04-29
申请人： 中国科学院宁波材料技术与工程研究所 , 宁波慈溪生物医学工程研究所
摘要： 本发明公开了一种视网膜OCT图像的分析方法及装置，涉及视网膜OCT图像处理领域，获取当前待处理的视网膜OCT图像，预先训练好了具有泛化能力的域泛化视网膜分层模型，将该视网膜OCT图像作为输入项输入上述域泛化视网膜分层模型，可以得到具有语义一致性的特征表示，进而根据该特征表示对视网膜OCT图像分层以得到分层后的层次结构。可见，本申请通过构建语义一致的特征表达，捕捉了图像间共性的高级语义属性，减弱了不同OCT设备或者数据中心引入的特征分布偏差，该域泛化视网膜分层模型具备在跨设备和跨中心数据上的泛化能力，使得视网膜分层得到的层次结构更准确，自动化程度高，利于实际应用。
-
公开(公告)号：CN116188476A
公开(公告)日：2023-05-30
申请号：CN202210989967.1
申请日：2022-08-17
申请人： 宁波慈溪生物医学工程研究所 , 中国科学院宁波材料技术与工程研究所
IPC分类号： G06T7/10 , G06V10/764 , G06V10/774
摘要： 本发明公开了一种OCT图像脉络膜大血管结构分割方法及存储介质，所述方法包括：构建非线性隐变量模型以优化变分自编码器网络；将血管结构不明显的训练样本集输入到变分自编码器网络中进行训练，获取样本图像的规范分布；基于最大后验估计规则对所述待分割图像进行图像重建，并检测重建图像中与规范分布异常的离群值；获取重建图像与异常区域产生的差异图进行二进制值标记并分割。采用本发明公开的提出的OCT图像脉络膜大血管结构分割方法，可实现对脉络膜大血管结构的无监督自动分割。
-
公开(公告)号：CN115908825A
公开(公告)日：2023-04-04
申请号：CN202310225551.7
申请日：2023-03-10
申请人： 中国科学院宁波材料技术与工程研究所 , 宁波慈溪生物医学工程研究所
IPC分类号： G06V10/26 , G06V10/30 , G06V10/764 , G06V10/82 , G06V20/40 , G06N3/0455 , G06N3/0464
摘要： 本发明提供了一种基于视觉处理的类圆形结构分割方法及装置，涉及图像处理技术领域。本发明所述的基于视觉处理的类圆形结构分割方法，包括：获取视频帧；对所述视频帧进行去噪处理获得中间图像；检测所述中间图像中的类圆形结构区域图像；将所述类圆形结构区域图像由笛卡尔坐标系转换为极坐标系获得输入数据；基于U‑net神经网络构建多尺度输入结构的初始模型；根据损失函数对所述初始模型进行训练获得分割模型；将所述输入数据输入所述分割模型获得所述类圆形结构区域的分割图像。本发明的技术方案，能够在被观测物体图像像素分布不均匀、类圆形结构区域边缘模糊变形、以及类圆形结构区域被遮挡等实际情景中实现对类圆形结构的高精度分割。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.054 秒)
