-
公开(公告)号：CN114913377A
公开(公告)日：2022-08-16
申请号：CN202210546904.9
申请日：2022-05-19
Applicant: 济南大学
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06K9/62 , G06T7/00 , G06T7/13 , G06T7/73 , G06T7/11 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于空间上下文变分自动编码器的图像异常检测方法，所述方法通过使用空间上下文变分自动编码器，进行图像生成与注意力校正，检测异常图像；所述空间上下文变分自动编码器包括两个不同的变分自动编码器：第一个为空间变分自动编码器，用于学习正常图像的空间特征；第二个为上下文变分自动编码器，用于学习正常图像的全局上下文特征。本发明通过使用空间上下文变分自动编码器学习正常图像的分布，检测不符合正常图像分布的疾病图像，通过准确学习正常图像的空间特征和上下文特征，在有效检测异常的同时降低误报；同时使用注意力校正方法，进一步提高异常检测的准确率。
-
公开(公告)号：CN120047346A
公开(公告)日：2025-05-27
申请号：CN202510117079.4
申请日：2025-01-24
Applicant: 济南大学 , 山东想向力信息科技有限公司
IPC: G06T5/70 , G06T5/60 , G06N3/0455 , G06N3/0499 , G06N3/084
Abstract: 本发明的一种基于先验知识引导的CT图像去噪方法及装置，属于计算机视觉处理技术领域，方法包括步骤：获取低剂量CT图像数据并进行预处理；将预处理后的低剂量CT图像转换为先验掩码图像；通过离散编码解码网络处理先验掩码图像，得到增强后的先验掩码图像；将增强后的先验掩码通过知识融合模块引入去噪网络，获得去噪模型；构建负样本集并提出联合损失函数；获取与低剂量CT图像配对的常规剂量CT图像，添加高斯噪声后与低剂量CT图像在通道上拼接，得到测试图像的先验掩码图像；将测试图像的先验掩码图像输入去噪模型，输出最终的去噪CT图像。本发明显著提升了低剂量CT图像的去噪性能，保留更为清晰的组织边界。
-
公开(公告)号：CN114913377B
公开(公告)日：2024-08-06
申请号：CN202210546904.9
申请日：2022-05-19
Applicant: 济南大学
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06T7/00 , G06T7/13 , G06T7/73 , G06T7/11 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种基于空间上下文变分自动编码器的图像异常检测方法，所述方法通过使用空间上下文变分自动编码器，进行图像生成与注意力校正，检测异常图像；所述空间上下文变分自动编码器包括两个不同的变分自动编码器：第一个为空间变分自动编码器，用于学习正常图像的空间特征；第二个为上下文变分自动编码器，用于学习正常图像的全局上下文特征。本发明通过使用空间上下文变分自动编码器学习正常图像的分布，检测不符合正常图像分布的疾病图像，通过准确学习正常图像的空间特征和上下文特征，在有效检测异常的同时降低误报；同时使用注意力校正方法，进一步提高异常检测的准确率。
-
公开(公告)号：CN116843614A
公开(公告)日：2023-10-03
申请号：CN202310524403.5
申请日：2023-05-11
Applicant: 济南大学
IPC: G06T7/00 , G06T7/73 , G06T3/40 , G06V10/44 , G06V10/22 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/096 , G06N3/088
Abstract: 本发明涉及计算机视觉处理技术领域，特别涉及一种基于先验引导多语义融合的图像异常检测和定位方法，所述方法的实现包括内容如下：通过预先训练好的视觉‑语言网络提取正常图像的抽象全局语义，然后构建可学习的语义编码库，通过向量离散化来存储正常样本的代表性特征向量。最后，将上述多语义特征进行融合后，作为解码器的输入，引导异常图像重建为正常，以此来检测和定位异常。本发明通过能够在没有任何异常先验的情况下，准确检测并定位到图像中存在的异常。极大的提高了检测效率和准确性。
-
-
-
Search Results
4
records
(took 0.012 seconds)
