-
公开(公告)号：CN117474815A
公开(公告)日：2024-01-30
申请号：CN202311785152.2
申请日：2023-12-25
申请人： 山东大学
IPC分类号： G06T5/90 , G06T5/70 , G06T5/20 , G06N3/0464
摘要： 本发明属于高光谱图像处理领域，提出了一种高光谱图像校准方法及系统，包括：获取待校准高光谱图像以及与待校准高光谱图像处在同一拍摄场景的环境光光谱图像和暗噪声光谱图像；分别对待校准高光谱图像以及环境光光谱图像和暗噪声光谱图像进行标准化处理；利用标准化处理后的环境光光谱特征和暗噪声光谱特征对待校准高光谱图像进行环境光与暗电流噪声剔除，得到重构后的待校准高光谱图像；对重构后的待校准高光谱图像中的非边缘像素点进行临点拟合预测滤波，得到校准后的高光谱图像。本发明对待校准高光谱图像进行环境光与暗电流噪声剔除，有效地处理了环境光和暗噪声的影响，提高了图像校准的精度。
-
公开(公告)号：CN117315485A
公开(公告)日：2023-12-29
申请号：CN202311438713.1
申请日：2023-10-31
申请人： 山东大学
IPC分类号： G06V20/10 , G06V10/82 , G06V10/762 , G06N3/0464 , G06N3/096 , G06N3/0895 , G06V10/764
摘要： 本发明公开了一种基于高光谱图像的早期肿瘤组织识别系统，涉及高光谱图像处理技术领域。包括：环境光捕获模块，被配置为捕获环境光特征并进行预处理；特征提取模块，被配置为提取高光谱图像的肿瘤组织特征区域并对肿瘤组织特征区域进行标注；图像处理模块，被配置为消除环境光影响，对消除环境光影响后的肿瘤组织特征区域进行预处理和光谱波段优选；模型训练模块，将选择的特征波段通过半监督式聚类算法进行初步训练，再通过迁移学习训练不同维度的卷积神经网络；得到肿瘤组织识别模型；肿瘤识别模块，被配置为采用肿瘤组织识别模型对肿瘤组织进行识别。本发明系统在降低训练CNN所需数据集的同时也提高了肿瘤识别的准确度。
-
公开(公告)号：CN116167964A
公开(公告)日：2023-05-26
申请号：CN202211500673.4
申请日：2022-11-28
申请人： 山东大学
IPC分类号： G06T7/00 , G06V10/764 , G06V10/774
摘要： 本发明公开了一种基于肿瘤高光谱图像的肿瘤分类方法及系统，该方法包括：获取肿瘤组织的高光谱图像和环境光高光谱图像，提取环境光光谱特征和肿瘤高光谱图像数据；对肿瘤高光谱图像数据进行数据预处理，获取肿瘤高光谱图像数据集；以标注肿瘤类型的肿瘤高光谱图像数据集为训练集，训练肿瘤分类模型；该肿瘤分类模型包括良恶性分类模型、良性分类模型和恶性分类模型，每种分类模型均包含多个采用不同分类算法的模型，通过赋权分类输出最终的分类结果；将待分类肿瘤高光谱图像输入训练完成的肿瘤分类模型，输出肿瘤分类结果。本发明根据肿瘤高光谱图像数据，利用构建的综合不同分类算法的肿瘤分类模型进行肿瘤分类，实现分类效率和准确性的提高。
-
公开(公告)号：CN116128799A
公开(公告)日：2023-05-16
申请号：CN202211455115.0
申请日：2022-11-21
申请人： 山东大学
摘要： 本发明提供一种基于高光谱图像的肿瘤切缘识别系统，涉及医学图像处理技术领域，该系统包括：降维模块，用于对获取的高光谱图像进行降维处理，得到光谱信息图像和空间信息图像；识别模块，用于将光谱信息图像输入至预先训练的残差网络中，输出得到第一肿瘤切缘区域；以及，对空间信息图像进行图像增强处理，并输入至预先训练的语义分割网络中，输出得到第二肿瘤切缘区域；输出模块，用于根据第一肿瘤切缘区域和第二肿瘤切缘区域，输出最终的肿瘤切缘区域。这样，通过将高光谱图像进行降维处理得到光谱信息图像和空间信息图像，并针对不同的图像分别进行肿瘤切缘区域的识别，可以充分学习高光谱图像中的光谱信息和空间信息，提高肿瘤切缘的灵敏度。
-
公开(公告)号：CN115908468A
公开(公告)日：2023-04-04
申请号：CN202211455696.8
申请日：2022-11-21
申请人： 山东大学
摘要： 本公开属于医学图像处理技术领域，具体涉及一种基于图像处理的术中肿瘤切除定量确定方法及系统，包括：获取模块，其被配置为获取肿瘤的高光谱荧光图像；提取模块，其被配置为提取所获取图像的肿瘤荧光特征；确定模块，其被配置为基于所得到的肿瘤荧光特征划定肿瘤边界，确定肿瘤的切缘位置；定量模块，其被配置为对确定的切缘位置进行快速病理检查，估计肿瘤细胞的参量数量，扩展肿瘤的切除定量。
-
公开(公告)号：CN116168226A
公开(公告)日：2023-05-26
申请号：CN202211500819.5
申请日：2022-11-28
申请人： 山东大学
IPC分类号： G06V10/764 , G06V10/80 , G06T7/00 , G06V10/774 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于高光谱技术的术中肿瘤快速分类系统，包括：图像预处理模块，用于对获取的肿瘤病变组织若干频段的高光谱图像进行预处理；肿瘤病变区域识别模块，用于选择多个优选频率分别对应的高光谱图像，融合得到融合光谱图像，基于该图像进行肿瘤目标检测，识别肿瘤病变区域；肿瘤病变类型识别模块，用于对识别的肿瘤病变区域进行多像素点采样，获取每个采样点各优选频率的频率特性，将其分别输入良性和恶性肿瘤识别模型中，分别输出良性和恶性可能性矩阵，以此识别肿瘤病变类型。本发明基于肿瘤病变组织高光谱图像判别肿瘤良恶性，实现术中肿瘤病变类型的快速分类，缩减快速识别时间，提高识别效率的同时，提高识别结果的准确性。
-
公开(公告)号：CN115719340A
公开(公告)日：2023-02-28
申请号：CN202211455674.1
申请日：2022-11-21
申请人： 山东大学
IPC分类号： G06T7/00 , G06V10/80 , G06T5/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464
摘要： 本发明提供一种基于高光谱图像的良恶性肿瘤识别系统，涉及医学图像处理技术领域，该系统包括：特征提取模块，用于对获取的高光谱图像进行锐化处理，提取经锐化处理后高光谱图像的边缘特征图；特征融合模块，用于利用拉普拉斯金字塔图像融合算法对高光谱图像和边缘特征图进行不同频带特征的融合，得到肿瘤高光谱特征增强图；识别模块，用于将肿瘤高光谱特征增强图输入至预先训练的良恶性肿瘤识别模型中，输出得到肿瘤边界特征，根据肿瘤边界特征确定高光谱图像的肿瘤类别。通过该系统能够提取出更加丰富的肿瘤边缘信息，加强对于恶性肿瘤不明显情况下的肿瘤识别性能，从而提高良恶性肿瘤识别的准确率。
-
公开(公告)号：CN115272873A
公开(公告)日：2022-11-01
申请号：CN202211177847.8
申请日：2022-09-27
申请人： 山东大学
IPC分类号： G06V20/10 , G06V10/30 , G06V10/32 , G06V10/34 , G06V10/774
摘要： 本发明公开的基于梯度域的高光谱图像非线性特征预处理系统及方法，属于图像处理技术领域，包括：图像获取模块，用于获取高光谱图像；去噪模块，用于对高光谱图像进行去噪，获得去噪后图像；梯度面获取模块，用于获得去噪后图像的像素值，并根据像素值计算获得去噪后图像的梯度面；非线性解混模块，用于根据梯度面和P‑线性混合模型对去噪后图像进行非线性解混，获得非线性解混后数据；结果获取模块，用于通过非线性解混后数据和非线性归一化算法，获得预处理后的高光谱图像。对获取的高光谱图像进行预处理后，能够解决切片制备与高光谱扫描像元光谱信息收集不一致带来的数据统计分布不均及难以处理的奇异样本数据问题。
-
公开(公告)号：CN118865389A
公开(公告)日：2024-10-29
申请号：CN202410937327.5
申请日：2024-07-12
申请人： 山东大学
IPC分类号： G06V20/70 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/094
摘要： 本发明提出基于深度学习的免疫细胞空间地形图生成方法及系统，涉及免疫细胞信息获取技术领域。包括对数字图像中的部分细胞进行类型和分布标注，利用部分标注的数字图像对多维语义对抗网络进行训练；将部分标注的数字图像输入至训练好的多维语义对抗网络中，得到包含多维语义信息的免疫细胞空间地形图；使用预训练的图优化器，以免疫细胞空间地形图中各个细胞为节点，在相邻的细胞中间生成边，形成图网络，重新预测未标注细胞的属性，得到每个细胞的优化标签；以优化标签为基准，同步更新免疫细胞空间地形图；基于更新后的免疫细胞空间地形图，生成免疫细胞空间分布报告。本发明整体标注量小且能够提升空间地形图的生成精度。
-
公开(公告)号：CN116233602B
公开(公告)日：2024-06-04
申请号：CN202211701399.7
申请日：2022-12-15
申请人： 山东大学
IPC分类号： H04N23/67 , H04N23/695
摘要： 本发明涉及相机对焦技术领域，尤其涉及一种高光谱相机的自动对焦方法、系统、介质及设备。高光谱相机的自动对焦方法，包括：S1、获取相对被观测物体不同距离位置的多张图像，求取其中清晰度最高的图像；S2、以所述清晰度最高的图像对应的位置为基准，获取靠近所述被观测物体方向的多个位置的图像，以及远离所述被观测物体方向的多个位置的图像；S3、求取步骤S1中清晰度最高的图像和步骤S2中获取的所有图像中每个图像的平均信号强度，其中平均信号强度最强的图像对应的位置作为对焦位置。通过本发明的高光谱相机的自动对焦方法解决了人工对焦无法准确采集到信号最强的高光谱图像的问题，提高了对焦效率。
-
-
-
-
-
-
-
-
-
搜索结果
21 条记录 (耗时 0.022 秒)
