-
公开(公告)号：CN116612087B
公开(公告)日：2024-02-23
申请号：CN202310577137.2
申请日：2023-05-22
申请人： 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 青岛海信医疗设备股份有限公司
IPC分类号： G06T7/00 , G06V10/25 , G06V10/44 , G06V10/82 , G06N3/0464
摘要： 一种基于YOLOv5‑LA的冠脉CTA狭窄检测方法，通过设计更轻量的LA网络来替代YOLOv5的主干特征提取网络。该方法分为两个阶段。第一阶段，通过分离可卷积和残差连接以降低计算复杂度，同时增强模型的感受野。第二阶段，引入轻量级注意力机制ECA，以建模通道之间的关系。然后，通过1×1的卷积进行通道重排，以增加特征之间的交互性，提高网络的表达能力，并减少模型对某些特定通道的依赖，从而防止过拟合。该改进方法可避免由于冠脉CTA图像分辨率较高和YOLOv5参数量较大而导致的低效率问题，在检测医学图像病变部位时更为准确和高效。
-
公开(公告)号：CN117078941B
公开(公告)日：2024-03-01
申请号：CN202311231297.8
申请日：2023-09-22
申请人： 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 青岛海信医疗设备股份有限公司
IPC分类号： G06V10/26 , G06V10/44 , G06V10/80 , G06V10/70 , G06V10/82 , G06N3/0455 , G06N3/0464
摘要： 一种基于上下文级联注意力的心脏MRI分割方法，涉及医学图像分割技术领域，在编码器中引入残差初始模块来更好的学习有效的特征表示，提高模型的性能和泛化能力。在解码器中通过级联操作利用不同层的互补信息来细化每一层的特征，同时使用上下文注意力模块通过保留局部信息和压缩全局信息来探索每一层的上下文信息，并抑制不重要的信息区域来突出显著的特征，从而提高分割的精确度。
-
公开(公告)号：CN117078941A
公开(公告)日：2023-11-17
申请号：CN202311231297.8
申请日：2023-09-22
申请人： 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 青岛海信医疗设备股份有限公司
IPC分类号： G06V10/26 , G06V10/44 , G06V10/80 , G06V10/70 , G06V10/82 , G06N3/0455 , G06N3/0464
摘要： 一种基于上下文级联注意力的心脏MRI分割方法，涉及医学图像分割技术领域，在编码器中引入残差初始模块来更好的学习有效的特征表示，提高模型的性能和泛化能力。在解码器中通过级联操作利用不同层的互补信息来细化每一层的特征，同时使用上下文注意力模块通过保留局部信息和压缩全局信息来探索每一层的上下文信息，并抑制不重要的信息区域来突出显著的特征，从而提高分割的精确度。
-
公开(公告)号：CN116612131A
公开(公告)日：2023-08-18
申请号：CN202310577145.7
申请日：2023-05-22
申请人： 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 青岛海信医疗设备股份有限公司
IPC分类号： G06T7/11 , G06T7/00 , G06N3/0464 , G06N3/048
摘要： 一种基于ADC‑UNet模型的心脏MRI结构分割方法，通过将注意力模块和跳跃连接相结合，在处理输入特征时抑制不相关的区域，同时突出显著特征。可变形卷积融合模块添加到解码器部分，充分利用目标切片融合特征中的有用信息，确保每个分割图的精确连续边界，可以更好地处理图像中不同尺度的特征，从而获得更精确的分割结果。
-
公开(公告)号：CN116612131B
公开(公告)日：2024-02-13
申请号：CN202310577145.7
申请日：2023-05-22
申请人： 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 青岛海信医疗设备股份有限公司
IPC分类号： G06T7/11 , G06T7/00 , G06N3/0464 , G06N3/048
摘要： 一种基于ADC‑UNet模型的心脏MRI结构分割方法，通过将注意力模块和跳跃连接相结合，在处理输入特征时抑制不相关的区域，同时突出显著特征。可变形卷积融合模块添加到解码器部分，充分利用目标切片融合特征中的有用信息，确保每个分割图的精确连续边界，可以更好地处理图像中不同尺度的特征，从而获得更精确的分割结果。
-
公开(公告)号：CN116612087A
公开(公告)日：2023-08-18
申请号：CN202310577137.2
申请日：2023-05-22
申请人： 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 青岛海信医疗设备股份有限公司
IPC分类号： G06T7/00 , G06V10/25 , G06V10/44 , G06V10/82 , G06N3/0464
摘要： 一种基于YOLOv5‑LA的冠脉CTA狭窄检测方法，通过设计更轻量的LA网络来替代YOLOv5的主干特征提取网络。该方法分为两个阶段。第一阶段，通过分离可卷积和残差连接以降低计算复杂度，同时增强模型的感受野。第二阶段，引入轻量级注意力机制ECA，以建模通道之间的关系。然后，通过1×1的卷积进行通道重排，以增加特征之间的交互性，提高网络的表达能力，并减少模型对某些特定通道的依赖，从而防止过拟合。该改进方法可避免由于冠脉CTA图像分辨率较高和YOLOv5参数量较大而导致的低效率问题，在检测医学图像病变部位时更为准确和高效。
-
公开(公告)号：CN118247204A
公开(公告)日：2024-06-25
申请号：CN202311524364.5
申请日：2023-11-16
申请人： 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 山东省人工智能研究院
摘要： 一种基于提示学习的多器官细胞核分割方法，涉及医学图像处理技术领域，利用文本与图像多模态信息充分挖掘图像信息，学习到语义信息与分割目标之间的关联，对目标区域的分割进行综合学习。基于clip模型从6个公开细胞核数据集中训练学习大量的文本和图像配对知识，来获得细胞核的语义理解先验知识，使得模型完全适合细胞核分割任务。构建模型通过输入图像与文本提示，利用文本和图像多模态信息，完成6个不同器官细胞核识别并且准确分割任务，计算效率更高，该模型还可以在缺乏标注的部分数据集上使用充分文本提示完成准确的分割任务，更具备实用性与可拓展性。
-
公开(公告)号：CN117593798B
公开(公告)日：2024-05-28
申请号：CN202311598459.1
申请日：2023-11-28
申请人： 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
IPC分类号： G06V40/40 , G06V40/16 , G06V10/46 , G06V10/20 , G06V10/54 , G06V10/24 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 一种基于双分支特征增强的伪造人脸检测方法，涉及人脸检测技术领域，利用了RGB图像和细粒度的频域信息，在每一条分支上分别应用了特征增强模块和网络卷积注意力模块来去除一些无用特征增强与伪造相关的特征，同时为了使模型只关注图像的局部区域，较少地关注全局信息，进一步增强所需要的特征，提出虚假检测模块，以指导模型关注局部伪影区域进一步增强伪造特征并作出最后的预测，检测的准确性明显提高。
-
公开(公告)号：CN117635942B
公开(公告)日：2024-05-07
申请号：CN202311648278.5
申请日：2023-12-05
申请人： 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
摘要： 一种基于边缘特征增强的心脏MRI图像分割方法，涉及图像分割技术领域，设计了特征复用模块和卷积块同时进行编码提取输入特征图不同的特征，这样可以实现更好的特征复用、信息融合、上下文理解以及参数共享等优势，设计了U型网络架构实现心脏MRI图像分割。设计了边缘特征增强模块可以提供重要的形状和结构信息，能够帮助准确地分割心脏图像，提高分割效果和准确性，提出了多尺度特征提取加权卷积提高了分割的准确性、鲁棒性和适应性，能够更好地处理多尺度信息和尺度不匹配问题，从而改善心脏图像分割的结果。本网络更加注重边缘信息特征和多尺度信息的提取，通过本网络结构的设计提高了分割的精度。
-
公开(公告)号：CN117474741B
公开(公告)日：2024-05-07
申请号：CN202311561214.1
申请日：2023-11-22
申请人： 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： G06T1/00 , G06V40/16 , G06V20/00 , G06V10/44 , G06V10/77 , G06N3/0455 , G06N3/0464
摘要： 一种基于人脸关键点水印的主动防御检测方法，涉及图像伪造检测领域，对于一张原始图像提取人脸关键点，将提取出来的人脸关键点转换成二进制的水印。随后二进制水印被嵌入到原始图像中得到水印图像，继而水印图像会经过非恶意/恶意操作得到操作图像或篡改图像，使得模型能够对这些非恶意/恶意操作具有鲁棒性，该方法引入了人脸关键点，既为每个人生成独有的水印也实现了溯源以及检测功能。
-
-
-
-
-
-
-
-
-
搜索结果
85 条记录 (耗时 0.076 秒)
