-
公开(公告)号：CN117315065B
公开(公告)日：2024-03-12
申请号：CN202311248173.0
申请日：2023-09-26
申请人： 烟台大学
摘要： 本公开涉及图像重建技术领域，提出了一种核磁共振成像精准加速重建方法以及系统，重建方法包括如下步骤：获取待处理核磁共振图像，进行预处理得到零填充图像；对预处理得到零填充图像进行编码，得到多级编码特征；基于构建的多时间信息聚合模块，对编码后的特征进行融合，提取相邻视频帧之间的互补特征并在时间维度上进行串联实现视图融合，得到多视图聚合特征；对多视图聚合特征进行译码，基于译码后的特征得到重建图像。本公开通过加速磁共振成像和改进图像重建算法，减少运动伪影的产生，提高了患者的合作度和舒适度，同时提出的重建方法能够提高图像的质量和准确性。
-
公开(公告)号：CN115294548B
公开(公告)日：2023-05-02
申请号：CN202210897544.7
申请日：2022-07-28
申请人： 烟台大学
IPC分类号： G06V20/58 , G06V20/56 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于行方向上位置选择和分类方法的车道线检测方法，该方法能够采用基于ResNet的特征提取模块提取车道线浅层的特征，并结合CBAM注意力机制使模型关注重要特征，采用辅助分割模块，在训练过程增加分割任务，增强视觉特征，最后采用基于行锚点的分类模块将车道图像分为一个个特征块，并检测特征块是否包含车道线，实现了车道线的检测，本发明涉及智能交通技术领域。
-
公开(公告)号：CN117994143B
公开(公告)日：2024-08-20
申请号：CN202410037947.3
申请日：2024-01-09
申请人： 烟台大学
摘要： 本发明涉及多模态MR图像合成方法、系统、存储介质及设备，通过获取不同模态的MR图像，划分为相互不重叠的块，并对其中至少两个模态的图像进行随机对齐遮蔽，基于编码器提取每个模态图像中的对齐标记和相应的位置，基于解码器得到目标模态的图像，利用目标模态图像中的特征经一致性处理，并通过训练得到合成的真实模态的图像；训练期间，利用生成器得到与模态图像对应的边缘图，并与原始模态图像拼接，形成设定模态的特征表示。通过有限的配对数据合成缺失的模态，能够节省数据配对的时间并且降低MR设备的成本。
-
公开(公告)号：CN118154880A
公开(公告)日：2024-06-07
申请号：CN202410449515.3
申请日：2024-04-15
申请人： 烟台大学
IPC分类号： G06V10/26 , G06V10/10 , G06V10/82 , G06N3/0895 , G06N3/096 , G06T5/50 , G06T7/11 , G06V10/774
摘要： 本发明涉及一种半监督MRI图像分割方法，包括：步骤1、构建训练集；训练集由N个有标签MRI图像和M个无标签MRI图像组成；步骤2、构建学生网络和与学生网络的网络结构相同的教师网络，对学生网络进行训练，得到训练完成后的学生网络；步骤3、将待分割MRI图像输入到训练完成后的学生网络中，即得到该待分割MRI图像所对应的标签图像。优点在于：通过分别对无标签图像和有标签图像进行分割，并通过将无标签图像和有标签图像分割后的图像进行重新组合，可以有效地减少了标记数据和未标记数据之间的分布差距，解决数据中信息分布不匹配问题，并且可以最大程度保存网络学习的带标签数据的知识。
-
公开(公告)号：CN117218004B
公开(公告)日：2024-05-14
申请号：CN202311254599.7
申请日：2023-09-26
申请人： 烟台大学
IPC分类号： G06T3/4076 , G06T3/4046 , G06V10/80 , G06N3/0464 , G06V10/74 , G06V10/82
摘要： 本发明公开了一种T1mapping快速成像方法及系统，该方法包括：获取低时间分辨率的T1mapping图像序列；基于帧特征提取模块，将图像序列中的每一幅图像从低维空间映射到高维特征空间，获取每一幅图像的图像特征；基于缺失帧特征合成模块，根据获取的图像特征合成缺失帧图像特征；基于缺失帧特征增强模块，增强缺失帧图像特征；基于缺失帧重建模块，根据增强后的缺失帧图像特征，重建缺失帧图像；基于低时间分辨率的图像序列和重建的缺失帧图像，得到并输出高时间分辨率的图像序列。本发明利用时间超分辨率技术，通过更短的扫描时间获取完整的磁共振图像序列，并利用重建技术在最大程度上减少图像中的伪影，提高图像质量。
-
公开(公告)号：CN117541473B
公开(公告)日：2024-04-30
申请号：CN202311505970.2
申请日：2023-11-13
申请人： 烟台大学
IPC分类号： G06T3/4053 , G06T11/00
摘要： 本发明涉及一种磁共振成像图像的超分辨重建方法，包括：S1、将多幅磁共振成像图像构建成数据集；S2、将数据集分成测试集和训练集；S3、构建超分辨重建模型，并分批次使用训练集中的训练样本对构建的超分辨重建模型进行训练，得到训练完成后的超分辨重建模型；超分辨重建模型包括位置感知空间路径网络和运动感知时间路径网络；S4、在测试集中选取任一帧低分辨率图像，将该低分辨率图像输入到S3中训练完成后的超分辨重建模型中，即得到重建后的高分辨图像。该方法通过将位置感知空间路径网络和运动感知时间路径网络的输出连接起来，充分利用图像帧之间的相关性，有效地抑制了伪影或模糊。
-
公开(公告)号：CN117315065A
公开(公告)日：2023-12-29
申请号：CN202311248173.0
申请日：2023-09-26
申请人： 烟台大学
摘要： 本公开涉及图像重建技术领域，提出了一种核磁共振成像精准加速重建方法以及系统，重建方法包括如下步骤：获取待处理核磁共振图像，进行预处理得到零填充图像；对预处理得到零填充图像进行编码，得到多级编码特征；基于构建的多时间信息聚合模块，对编码后的特征进行融合，提取相邻视频帧之间的互补特征并在时间维度上进行串联实现视图融合，得到多视图聚合特征；对多视图聚合特征进行译码，基于译码后的特征得到重建图像。本公开通过加速磁共振成像和改进图像重建算法，减少运动伪影的产生，提高了患者的合作度和舒适度，同时提出的重建方法能够提高图像的质量和准确性。
-
公开(公告)号：CN115294520A
公开(公告)日：2022-11-04
申请号：CN202210897534.3
申请日：2022-07-28
申请人： 烟台大学
摘要： 本发明公开了一种基于卷积神经网络的烟火检测方法，目的在于搭建一个轻量级，速度快，成本低的烟火检测平台，实现对烟火的高效检测，实现了一种更加轻量级的网络，可以部署于移动设备上，能够缓解人工监控的压力，降低监控成本。本发明基于人工智能视频分析和深度学习技术，能够不依赖其他传感设备，实现对视频监控区域内的烟雾与火焰的检测与识别，并及时进行预警。本发明涉及智慧城市智能安防技术领域。
-
公开(公告)号：CN114550118A
公开(公告)日：2022-05-27
申请号：CN202210167488.1
申请日：2022-02-23
申请人： 烟台大学
IPC分类号： G06V20/56 , G06V10/764 , G06F17/16 , E01C23/22
摘要： 一种基于视频图像驱动的高速公路全自动智能划线方法，对摄像头进行标定，通过摄像头获得前方道路图像；建立道路路面置信区间分类器，实现道路路面区域有效分割，获得粗略二值道路路面检测结果；进行精细化处理，提出帧间关联的精细化道路检测算法，获得精细化二值道路路面检测结果；对获得的精细化二值道路路面检测结果逆变换到原图像中，获得带道路路面检测结果的RGB三通道图像；对道路图像通过逆透视变换方法获得俯视图方向的道路图像，获得两近似平行边界的道路图像；对路面检测结果边缘对应的范围确定为道路边界，并对道路边界进行划线；根据一侧标线，依次将其他的车道线划好；本发明具有效率高的特点。
-
公开(公告)号：CN112651964A
公开(公告)日：2021-04-13
申请号：CN202110045523.8
申请日：2021-01-10
申请人： 烟台大学
摘要： 本发明公开了一种基于深度学习的目标检测方法，包括：确定包含待检测的目标区域；将所述目标区域输入到基于深度学习预先训练的检测网络中，进行前向传播，获得所述第一合格概率；对所述目标区域进行切割操作，获得多个点位；确定包含待检测的目标区域后，可以将目标区域输入到基于深度学习预先检测的检测网络中，进行前位传送，获得第一合格概率，确定目标图片的关键区域，将关键目标区域输入到基于深度学习预先检测的检测网络中，进行前位传送，获得第二合格概率，根据第一合格概率和第二合格概率，确定目标检测区域是否合格，达到对目标检测的目的，将深度学习技术应用到IC引脚焊点质量检测中，提高了对目标区域检测的准确率。
-
-
-
-
-
-
-
-
-
搜索结果
34 条记录 (耗时 0.025 秒)
