-
公开(公告)号：CN104200232A
公开(公告)日：2014-12-10
申请号：CN201410443591.X
申请日：2014-09-02
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于滑动窗融合的两次稀疏表示的图像处理方法，主要解决现有技术中乳腺肿块检测精确度低的问题，其实现步骤是：(1)读入图像；(2)预处理；(3)提取训练集图像和目标图像的灰度特征；(4)第一次稀疏表示：；(5)滑动窗融合；(6)区域生长；(7)提取ROI区域灰度特征；(8)第二次稀疏表示。本发明既可以提高乳腺肿块的检测率，精确的表示出乳腺肿块的方位信息，又可以降低乳腺肿块检测的假阳性率，提高了检测的精确度，本发明可用于从乳腺钼靶X线图像中快速地检测出可疑肿块区域，并且将可疑肿块区域标示出来。
-
公开(公告)号：CN109671060A
公开(公告)日：2019-04-23
申请号：CN201811487180.5
申请日：2018-12-06
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于选择性搜索和CNN的计算机辅助乳腺肿块检测方法，用于解决现有技术中存在的因候选框质量差和分类准确率低导致的检测准确率低的技术问题，实现步骤为：1.获取多幅乳腺钼靶X线图像及其医师标注文件；2.对N幅乳腺钼靶X线图像进行预处理；3.获取N幅预处理后的乳腺钼靶X线图像的目标框集合；4.基于选择性搜索算法获取N幅预处理后的乳腺钼靶X线图像的候选框集合；5.构建卷积神经网络CNN并初始化；6.对初始化后的卷积神经网络进行训练；7.获取待检测乳腺钼靶X线图像的肿块区域。本发明乳腺肿块检测的检出率高且假阳率低，可应用于计算机辅助乳腺肿块检测系统中。
-
公开(公告)号：CN107423379A
公开(公告)日：2017-12-01
申请号：CN201710568550.7
申请日：2017-07-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于CNN特征词汇树的图像检索方法，旨在解决现有的词汇树方法中存在的准确率低的技术问题。实现步骤为：首先生成图像库中各图像的衍生图像，并提取图像库中各图像的CNN特征,再根据提取的CNN特征构建CNN特征词汇树，接着生成各待检索图像的衍生图像，并提取各待检索图像的CNN特征，通过比较各待检索图像和其相关图像的CNN特征在CNN特征词汇树中的路径，计算待检索图像和其相关图像的距离，并将待检索图像和其相关图像的距离与初始相似度结合，最后根据各待检索图像和其相关图像的综合相似度输出各待检索图像的检索结果。本发明的图像检索准确率高，可用于医学图像计算机辅助诊断系统和以图搜图系统。
-
公开(公告)号：CN109671060B
公开(公告)日：2021-12-17
申请号：CN201811487180.5
申请日：2018-12-06
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于选择性搜索和CNN的计算机辅助乳腺肿块检测方法，用于解决现有技术中存在的因候选框质量差和分类准确率低导致的检测准确率低的技术问题，实现步骤为：1.获取多幅乳腺钼靶X线图像及其医师标注文件；2.对N幅乳腺钼靶X线图像进行预处理；3.获取N幅预处理后的乳腺钼靶X线图像的目标框集合；4.基于选择性搜索算法获取N幅预处理后的乳腺钼靶X线图像的候选框集合；5.构建卷积神经网络CNN并初始化；6.对初始化后的卷积神经网络进行训练；7.获取待检测乳腺钼靶X线图像的肿块区域。本发明乳腺肿块检测的检出率高且假阳率低，可应用于计算机辅助乳腺肿块检测系统中。
-
Patent Agency Ranking
公开(公告)号：CN107341440A
公开(公告)日：2017-11-10
申请号：CN201710318192.4
申请日：2017-05-08
Applicant: 西安电子科技大学昆山创新研究院
CPC classification number: G06K9/00691 , G06N3/0454
Abstract: 本发明涉及一种基于多任务度量多核学习的室内RGB-D场景图像识别方法，包括以下步骤：分别对室内RGB-D场景图像中的彩色图像和对应的深度图像提取全局特征，对彩色图像特征和对应深度图像特征构建一个映射函数，将这两种图像特征同时映射到修正空间中，形成修正彩色图像特征和修正深度图像特征，最后，针对这两种修正特征，构建多核室内场景分类器模型，对待分类场景图像进行分类。本发明直接针对室内RGB-D场景图像本身进行识别，避免了因物体存在的多样性而造成的识别错误和因物体识别错误而造成的场景判断错误，提高了室内RGB-D场景图像类别识别的准确率。
-
公开(公告)号：CN107423379B
公开(公告)日：2019-10-11
申请号：CN201710568550.7
申请日：2017-07-13
Applicant: 西安电子科技大学
IPC: G06F16/583 , G06K9/62
Abstract: 本发明公开了一种基于CNN特征词汇树的图像检索方法，旨在解决现有的词汇树方法中存在的准确率低的技术问题。实现步骤为：首先生成图像库中各图像的衍生图像，并提取图像库中各图像的CNN特征,再根据提取的CNN特征构建CNN特征词汇树，接着生成各待检索图像的衍生图像，并提取各待检索图像的CNN特征，通过比较各待检索图像和其相关图像的CNN特征在CNN特征词汇树中的路径，计算待检索图像和其相关图像的距离，并将待检索图像和其相关图像的距离与初始相似度结合，最后根据各待检索图像和其相关图像的综合相似度输出各待检索图像的检索结果。本发明的图像检索准确率高，可用于医学图像计算机辅助诊断系统和以图搜图系统。
-
公开(公告)号：CN104182755A
公开(公告)日：2014-12-03
申请号：CN201410437632.4
申请日：2014-08-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于塔形PCA的乳腺钼靶X线图像块特征提取方法，主要解决现有技术提取的特征中不包含肿块中间密度大边缘密度小这一特征的缺点。其实现步骤是：(1)预处理；(2)构成塔形结构；(3)获得各图像层的灰度特征向量；(4)训练各图像层灰度特征的特征空间；(5)获得各图像层的主成分特征；(6)获得基于塔形PCA的乳腺钼靶X线图像块特征。本发明能使乳腺钼靶X线图像块的特征表示更为鲁棒，更为有效的表示图像特征，提高乳腺钼靶X线摄影图像中肿块区域检测的准确率，从而辅助放射科医生进行临床诊断。
-
公开(公告)号：CN104200232B
公开(公告)日：2017-05-17
申请号：CN201410443591.X
申请日：2014-09-02
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于滑动窗融合的两次稀疏表示的图像处理方法，主要解决现有技术中乳腺肿块检测精确度低的问题，其实现步骤是：(1)读入图像；(2)预处理；(3)提取训练集图像和目标图像的灰度特征；(4)第一次稀疏表示；(5)滑动窗融合；(6)区域生长；(7)提取ROI区域灰度特征；(8)第二次稀疏表示。本发明既可以提高乳腺肿块的检测率，精确的表示出乳腺肿块的方位信息，又可以降低乳腺肿块检测的假阳性率，提高了检测的精确度，本发明可用于从乳腺钼靶X线图像中快速地检测出可疑肿块区域，并且将可疑肿块区域标示出来。
-
公开(公告)号：CN104182755B
公开(公告)日：2017-04-12
申请号：CN201410437632.4
申请日：2014-08-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于塔形PCA的乳腺钼靶X线图像块特征提取方法，主要解决现有技术提取的特征中不包含肿块中间密度大边缘密度小这一特征的缺点。其实现步骤是：(1)预处理；(2)构成塔形结构；(3)获得各图像层的灰度特征向量；(4)训练各图像层灰度特征的特征空间；(5)获得各图像层的主成分特征；(6)获得基于塔形PCA的乳腺钼靶X线图像块特征。本发明能使乳腺钼靶X线图像块的特征表示更为鲁棒，更为有效的表示图像特征，提高乳腺钼靶X线摄影图像中肿块区域检测的准确率，从而辅助放射科医生进行临床诊断。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.025 seconds)
