-
公开(公告)号：CN117197137B
公开(公告)日：2024-02-09
申请号：CN202311464558.0
申请日：2023-11-07
申请人： 山东大学
IPC分类号： G06T7/00 , G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明涉及图像分析技术领域，具体为基于高光谱图像的组织样本分析方法及系统，包括以下步骤：获取待检测组织样本切片的高光谱图像，将设定波段的图像数据拼接为RGB图像，减去检测区域的环境光高光谱特征，经归一化处理得到灰度图像并生成二维数据集；以生成的二维数据集作为识别模型的输入，得到识别结果；其中，识别模型基于设定的函数输出肿瘤恶性程度评分，以肿瘤恶性程度评分的最大值作为识别结果。
-
公开(公告)号：CN117252875A
公开(公告)日：2023-12-19
申请号：CN202311531442.4
申请日：2023-11-17
申请人： 山东大学
摘要： 本发明涉及高光谱图像技术领域，尤其涉及基于高光谱图像的医疗图像处理方法、系统、介质及设备。高光谱图像处理方法包括：根据血液不正常外部表征与图像采集参数之间的关系调整所述图像采集参数，获取血液样本高光谱图像；根据反射率校准参数与图像RGB颜色占比之间的关系，对所述高光谱图像进行颜色标准化；将所述高光谱图像的红外光谱分配给红色通道，可见光谱分配给绿色和蓝色通道，增强所述高光谱图像近红外光谱波段信息。将本发明的方法应用于血液高光谱图像处理过程中，排除了外部表征的影响，避免了颜色对判断结果的影响，增加了标志物的光学信息，提高了的正确率。
-
公开(公告)号：CN117495805A
公开(公告)日：2024-02-02
申请号：CN202311454418.5
申请日：2023-11-02
申请人： 山东大学
IPC分类号： G06T7/00 , G06V10/20 , G06V10/30 , G06V10/36 , G06V10/58 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G16H10/60 , G16H50/20 , G06T5/70 , G06T5/90 , G06T5/20 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/096 , G06N20/20
摘要： 本发明属于高光谱图像处理领域，提供了辅助早筛系统、介质及设备。其中，辅助早筛系统包括高光谱成像系统，用于获取早筛者的粪便样本高光谱图像及空白样本高光谱图像；高光谱图像预处理系统，用于将粪便样本高光谱图像与空白样本高光谱图像两者对应位置的像素值进行逐位置相除，得到光谱校正后的粪便样本高光谱图像，再对光谱校正后的粪便样本高光谱图像进行滤波处理；高光谱图像降维系统，用于提取滤波处理后的粪便样本高光谱图像中的高光谱特征并进行降维处理；高光谱图像识别系统，用于利用降维的高光谱特征及集成学习模型，识别出高光谱图像是否包含结直肠癌病灶区域。
-
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：CN117197137A
公开(公告)日：2023-12-08
申请号：CN202311464558.0
申请日：2023-11-07
申请人： 山东大学
IPC分类号： G06T7/00 , G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明涉及图像分析技术领域，具体为基于高光谱图像的组织样本分析方法及系统，包括以下步骤：获取待检测组织样本切片的高光谱图像，将设定波段的图像数据拼接为RGB图像，减去检测区域的环境光高光谱特征，经归一化处理得到灰度图像并生成二维数据集；以生成的二维数据集作为识别模型的输入，得到识别结果；其中，识别模型基于设定的函数输出肿瘤恶性程度评分，以肿瘤恶性程度评分的最大值作为识别结果。
-
公开(公告)号：CN117629831A
公开(公告)日：2024-03-01
申请号：CN202311605386.4
申请日：2023-11-28
申请人： 山东大学
IPC分类号： G01N15/075 , G01N15/1429 , G01N15/1433 , G01N15/00 , G06V20/69 , G16C20/20 , G16C20/70 , G06V10/82
摘要： 本发明涉及纳米颗粒检测领域，提供了一种基于高光谱成像的纳米颗粒检测方法及系统。该方法包括，获取空气中容积体积为V1的气溶胶，并进行过滤，得到溶液体积为V2的气溶胶；从溶液体积为V2的气溶胶中提取溶液体积为V3的气溶胶；获取溶液体积为V3的气溶胶的高光谱图像；采用神经网络，识别所述高光谱图像，得到溶液体积为V3的气溶胶中气溶胶纳米颗粒的成分与不同成分的纳米颗粒数量；计算得到空气中不同成分气溶胶纳米颗粒的浓度。本发明采用神经网络，将每个高光谱样本(像素)都视为一个数据序列，从序列的角度分析显微高光谱数据，提高了气溶胶纳米颗粒检测方法的准确性。
-
公开(公告)号：CN117233120B
公开(公告)日：2024-02-09
申请号：CN202311506467.9
申请日：2023-11-14
申请人： 山东大学
IPC分类号： G01N21/3504 , G06V10/58 , G06V10/52 , G06V10/77 , G06V10/764 , G06V10/82
摘要： 本发明涉及污染气体检测技术领域，公开了基于机器学习和高光谱图像的污染气体检测方法及系统，将待检测气体的高光谱图像，输入到训练后的深度学习模型中，输出待检测气体的第一气体类型预测结果；将目标环境当前时间待检测气体的辐射能量和目标环境历史时间无污染情况下的空气能量，输入到线性模型中，输出待检测气体的特征光谱；根据待检测气体的特征光谱，得到待检测气体的第二气体类型预测结果；判断第一与第二气体类型预测结果是否一致，如果一致，则表示当前待检测气体类型为第一气体类型预测结果；如果不一致，则表示当前预测结果不正确。本发明能够检测出场景中污染气体的
-
公开(公告)号：CN117237952A
公开(公告)日：2023-12-15
申请号：CN202311515432.1
申请日：2023-11-15
申请人： 山东大学
IPC分类号： G06V20/70 , G06V20/69 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/0985
摘要： 本发明涉及图像处理技术领域，公开了基于免疫地形图的染色病理切片细胞分布标注方法及系统；其中方法，包括：获取待处理的染色病理切片图像；将待处理的染色病理切片图像，输入到训练后的免疫地形图模型中，输出细胞分布标注结果；细胞分布标注结果，是指将不同种类的细胞按照不同颜色标记出来，实现细胞分布的可视化；其中，训练后的免疫地形图模型，训练过程中采用生成式对抗网络进行参数调整。该方法利用生成式网络生成全新的超参数组合，通过迭代训练不断去寻找最适合免疫地形图模型当前所应用任务的最佳超参数组合，进而有效地提升所生成的免疫地形图的准确率与质量。
-
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：CN117253228B
公开(公告)日：2024-02-09
申请号：CN202311506465.X
申请日：2023-11-14
申请人： 山东大学
IPC分类号： G06V20/69 , G06V10/54 , G06V10/80 , G06V10/422 , G06V10/46
摘要： 本发明提供了一种基于核像距离内编码的细胞团簇空间约束方法及系统，属于细胞图像分析技术领域，对拥有组织病理学细胞团簇的细胞图像，利用至少两种不同的提取方法进行细胞特征提取；对提取的特征进行归一化处理，对归一化后的不同特征进行组合，得到综合的特征表示；使用局域核核函数计算每两个细胞特征在核空间中的核像距离；基于所述核像距离计算结果，利用核岭回归算法生成细胞团簇的内编码；利用空间约束方法对内编码进行约束，以保持细胞团簇的合理空间布局，并根据约束后的细胞团簇进行评估分析，确保细胞团簇之间的距离、方(56)对比文件钱誉.基于深度学习的医学图像分割方法研究.中国优秀硕士学位论文全文数据库 基础科学辑.2023,第2023年卷(第2期),A006-1528.周思航. 用于低质量医疗图像分割的表示学习.中国博士学位论文全文数据库 医药卫生科技辑.2022,第2022年卷(第1期),E080-6.Wang, Colin Y 等.Preliminary ComputedTomography Radiomics Model for PredictingPretreatment CD8+T-Cell InfiltrationStatus for Primary Head and Neck SquamousCell Carcinoma.Journal of ComputerAssisted Tomography.2021,第45卷(第4期),629-636.Khamael Al-Dulaimi 等.Classificationof White Blood Cells Using L-MomentsInvariant Features of Nuclei Shape.2018International Conference on Image andVision Computing New Zealand (IVCNZ).2019,1-6.Ge Zhang 等.Cell Counting in ImageBased on Ridge Regression.2018 IEEE 9thInternational Conference on SoftwareEngineering and Service Science (ICSESS).2019,1074-1078.Yunhe Gao 等.FocusNetv2: Imbalancedlarge and small organ segmentation withadversarial shape constraint for head andneck CT images.Medical ImageAnalysis.2020,1-14.孙农亮 等.约束参数Gabor滤波器及细胞分割.中国生物医学工程学报.2008,第27卷(第03期),335-339、377.宗永胜;胡晓辉;屈应照.结合空间邻域信息的核FCM图像分割算法.计算机应用与软件.2017,第34卷(第04期),221-225、333.
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.021 秒)
