-
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：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：CN118172708A
公开(公告)日：2024-06-11
申请号：CN202410436494.1
申请日：2024-04-11
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： G06V20/40 , G06V10/44 , G06V10/80 , G06V10/26 , G06V10/764 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/0455 , G06N3/09 , G16H50/20 , G06V10/62
摘要： 本申请属于一种图像分割方法，针对现有的通用分割算法用于白内障手术组织与器械分割时，存在分割难度大，准确性低，难以获得精确分割结果的问题，提供一种白内障手术视频的组织与器械分割方法及相关装置，对白内障手术视频进行阶段划分，得到每个手术阶段的图像序列，采用图像分割方法模型获取每个手术阶段的图像序列中第一帧图像的分割标签，作为第一帧伪标签，根据预设的不确定性度量阈值，对所有第一帧图像的伪标签进行过滤，得到过滤后的第一帧伪标签，以每个手术阶段的图像序列和过滤后的第一帧伪标签输入基于匹配的视频物体分割网络，得到每个手术阶段的图像分割结果，解决了手术器械类别多、外观相似以及瞳孔视觉特征变化等分割难点。
-
公开(公告)号：CN118279323B
公开(公告)日：2024-09-03
申请号：CN202410702811.X
申请日：2024-06-03
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： 本申请提供了一种图像分割方法、装置、电子设备及存储介质，该方法包括：获得先验数据集，先验数据集中包含多个密码和每个密码对应的先验数据，先验数据集为基于多个图像样本掩码确定；对待分割图像进行特征提取，得到待分割图像的特征数据；对特征数据中的多个特征向量进行残差量化，得到特征向量对应的多个密码；基于密码从先验数据集中确定密码对应的先验数据；基于先验数据确定待分割图像的分割结果。
-
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：CN118279323A
公开(公告)日：2024-07-02
申请号：CN202410702811.X
申请日：2024-06-03
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： 本申请提供了一种图像分割方法、装置、电子设备及存储介质，该方法包括：获得先验数据集，先验数据集中包含多个密码和每个密码对应的先验数据，先验数据集为基于多个图像样本掩码确定；对待分割图像进行特征提取，得到待分割图像的特征数据；对特征数据中的多个特征向量进行残差量化，得到特征向量对应的多个密码；基于密码从先验数据集中确定密码对应的先验数据；基于先验数据确定待分割图像的分割结果。
-
公开(公告)号：CN116612339B
公开(公告)日：2023-11-14
申请号：CN202310897664.1
申请日：2023-07-21
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： G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
摘要： 本发明提供了一种核性白内障图像分级模型的构建装置及分级装置，涉及医学图像处理技术领域，所述构建装置包括：获取单元，其用于获取原始训练数据集；训练集生成单元，其用于获取核性白内障的级别序列，并采用多种划分方式将级别序列划分为两个子级别序列，分别根据各种划分方式对应的两个子级别序列将原始训练数据集进行两个类别的标注，得到各种划分方式对应的训练数据集；训练单元，其用于基于各种划分方式对应的训练数据集，训练各种划分方式对应的二分类模型，确定各二分类模型的优先级顺序；整合单元，其用于生成白内障图像分级模型，白内障图像分级模型包括按照优先级顺序整合的各二分类模型。本发明能提高核性白内障分级的准确性。
-
公开(公告)号：CN118642087A
公开(公告)日：2024-09-13
申请号：CN202410296873.5
申请日：2024-03-15
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： 本发明涉及一种基于变结构控制的窄带换能器宽带驱动系统及其方法，系统包括：信号源、放大器模块、比较器模块、负反馈增益模块、正反馈增益模块、窄带换能器模块、反馈信号增益模块以及决策模块；其中，放大器模块、比较器模块、正反馈增益模块、窄带换能器模块以及反馈信号增益模块构成所述系统的正反馈回路；放大器模块、比较器模块、负反馈增益模块、窄带换能器模块以及反馈信号增益模块构成构成所述系统的负反馈回路；通过高速切换正反馈回路和负反馈回路使得窄带换能器工作中产生的暂态响应逼近于理想暂态响应，达到有效降低暂态响应时间的目的，提高了数据传输速率，鲁棒性强。
-
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：CN116612339A
公开(公告)日：2023-08-18
申请号：CN202310897664.1
申请日：2023-07-21
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： G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
摘要： 本发明提供了一种核性白内障图像分级模型的构建装置及分级装置，涉及医学图像处理技术领域，所述构建装置包括：获取单元，其用于获取原始训练数据集；训练集生成单元，其用于获取核性白内障的级别序列，并采用多种划分方式将级别序列划分为两个子级别序列，分别根据各种划分方式对应的两个子级别序列将原始训练数据集进行两个类别的标注，得到各种划分方式对应的训练数据集；训练单元，其用于基于各种划分方式对应的训练数据集，训练各种划分方式对应的二分类模型，确定各二分类模型的优先级顺序；整合单元，其用于生成白内障图像分级模型，白内障图像分级模型包括按照优先级顺序整合的各二分类模型。本发明能提高核性白内障分级的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.056 秒)
