-
公开(公告)号：CN116385406A
公开(公告)日：2023-07-04
申请号：CN202310374306.2
申请日：2023-04-10
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06T7/11 , G06V10/774 , G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于U‑Net的眼眶肿瘤图像分割方法，首先进行眼眶肿瘤数据集的采集；然后进行数据的预处理；再构建基于U‑Net的眼眶肿瘤图像分割模型；通过预处理后的数据集训练眼眶肿瘤图像分割模型；最后利用训练好的模型参数，实现眼眶肿瘤图像分割模型在眼眶肿瘤图像上的肿瘤区域分割。本发明的网络架构模型对于尺度变化明显的病情肿瘤区域能有较好的尺度敏感性，从而有利于改善分割模型对一些尺度变化大的难样本的分割精度。
-
公开(公告)号：CN119650012A
公开(公告)日：2025-03-18
申请号：CN202411672181.2
申请日：2024-11-21
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于属性匹配的医学图像评估指标选择方法，通过对评估指标内在属性的深入分析，并结合当前任务、算法和数据集的属性，提供了一种更加合理的评估指标选择方式。与传统的任务指向型选择方法不同，后者仅仅依据任务目标来决定适用的评估指标，而本发明则关注于三者属性之间的相互关系，从而优化指标的匹配过程。这一创新性的方法旨在提升医学图像评估的适用性，使得评估结果在临床实践中更为可靠和可信。
-
Patent Agency Ranking
公开(公告)号：CN116363146A
公开(公告)日：2023-06-30
申请号：CN202310376860.4
申请日：2023-04-10
Applicant: 杭州电子科技大学
Inventor： 王帅 , 程志明 , 颜成钢 , 薛轶天 , 杨德富 , 张莹 , 何敏 , 高宇涵 , 孙垚棋 , 朱尊杰 , 王鸿奎 , 王廷宇 , 殷海兵 , 张继勇 , 李宗鹏 , 赵治栋
IPC: G06T7/10 , G06T7/00 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于半监督学习的眼眶肿瘤图像分割方法，首先获取图像数据集，然后进行图像预处理；构建基于半监督学习的眼眶肿瘤图像分割模型(MSCINet)；再将预处理后的数据集输入MSCINet模型，进行模型训练；最后通过训练好的MSCINet模型实现眼眶肿瘤图像分割。本发明通过引入多尺度一致性约束，可以学习不同尺度下的鲁棒特征，更好的应对眼眶肿瘤尺度变换较大的挑战；通过自训练策略，充分利用大量未标注数据，缓解一般深度模型对于大规模标注数据的需求，降低深度模型应用限制。
-
公开(公告)号：CN116363145A
公开(公告)日：2023-06-30
申请号：CN202310374298.1
申请日：2023-04-10
Applicant: 杭州电子科技大学
Inventor： 王帅 , 程志明 , 颜成钢 , 薛轶天 , 杨德富 , 张莹 , 何敏 , 高宇涵 , 孙垚棋 , 朱尊杰 , 王鸿奎 , 王廷宇 , 殷海兵 , 张继勇 , 李宗鹏 , 赵治栋
IPC: G06T7/10 , G06V10/764 , G06V10/774 , G06T7/00 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于双重边缘表示的眼底OCT图像视网膜分层方法，首先进行数据集获取及预处理，然后构建基于双重边缘表示的眼底OCT图像视网膜分层模型MTDBA‑Net；使用灰度归一化训练图像和人工标注结果及双重边缘表示训练提出的MTDBA‑Net；最后通过训练好的模型实现眼底OCT图像视网膜分层。本发明所提出的双重边缘表示可以包含更加丰富的边缘形状信息，多任务间施加一致性约束可以充分利用多任务间的相关性，提高图像分割的精度获得更精准的边缘。
-
公开(公告)号：CN119646506A
公开(公告)日：2025-03-18
申请号：CN202411672627.1
申请日：2024-11-21
Applicant: 杭州电子科技大学
IPC: G06F18/214 , G06F18/10 , G06F18/25
Abstract: 本发明涉及一种基于多模态数据的多阶段深度学习训练方法，通过设计一个三阶段的数据引擎，结合SAM模型，用于提高模型在多模态数据训练中的效果。此方法特别适用于多种图像分割任务，尤其是在新的数据分布上进行零样本迁移，三阶段的数据引擎这一设计通过不同阶段的交互式分割任务，以使在输入提示模糊或存在多种解释时也能保持合理性，使得模型在多样化图像分割任务上表现出色。
-
公开(公告)号：CN118285798A
公开(公告)日：2024-07-05
申请号：CN202410384728.2
申请日：2024-04-01
Applicant: 杭州电子科技大学
IPC: A61B5/18 , A61B5/369 , A61B5/374 , A61B5/00 , G06F18/10 , G06N3/0464 , G06F18/25 , G06F18/241
Abstract: 本发明公开了一种基于脑电信号与通道优化的疲劳驾驶检测方法，该方法首先采集受试者在驾驶过程中的脑电信号数据并对进行预处理，在使用PSD提取脑电信号数据的频域特征。其次将频域特征升维至三维，使用时间窗口切片技术对特征数据进行切片，得到的数据样本划分为训练数据和测试数据。最后将训练数据输入到多通道注意力融合网络中，得到疲劳驾驶检测结果。本发明结合时域、频域和空域特征的信息，充分挖掘脑电信号中不同领域的特征，实时检测驾驶员在行驶过程中是否存在疲劳驾驶的行为。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
