-
公开(公告)号：CN112419348B
公开(公告)日：2024-02-09
申请号：CN202011293215.9
申请日：2020-11-18
申请人： 西安电子科技大学
IPC分类号： G06T7/13 , G06T7/12 , G06T5/50 , G06T3/4007 , G06N3/08 , G06N3/0464
摘要： 本发明公开了一种基于多任务学习边缘校正网络的男性盆腔CT分割方法，主要解决现有分割方法分割精度和效率较低的问题。其实现方案为：获取前列腺癌症病人的CT图像和医生手工勾画的器官标签和边缘标签，并划分训练数据集、验证数据集和测试数据集；构造一个包含残差子模块、边缘校正模块和特征融合模块的边缘校正分割子网络，并与一个用于定位的3D UNet网络串行连接，组成分割模型；使用训练数据集，利用自适应学习率优化算法对分割模型进行训练；将一例盆腔CT图像作为测试数据输入到训练好的分割模型中，得到测试图像的器官分割结果和边缘分割结果。本发明提升了盆腔CT中器官分割的精度和效率，可用于盆腔CT中器官的自动化分割。
-
公开(公告)号：CN110751651B
公开(公告)日：2022-03-04
申请号：CN201910923449.8
申请日：2019-09-27
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于多尺度迁移学习的MRI胰腺图像分割方法，主要解决现有技术对MRI胰腺图像分割精确低的问题。其方案：从人体胰腺部位获取PET和MRI图像，并对其进行标记，得到对应的胰腺标签图像；对PET和MRI图像扩充并归一化，对胰腺标签图像扩充并转换为浮点型；建立的PET网络并对其训练，得到训练好的PET网络；建立一个包括两条支路的MRI网络，将训练好的PET网络中对应的结构和权重迁移到该网络的第二支路，并训练其第一支路，得到训练好的MRI网络；输入MRI图像到训练好的MRI网络，输出胰腺分割结果。本发明提升了工作效率，提高了MRI图像的胰腺分割准确度，可用于对MRI图像的处理。
-
公开(公告)号：CN110363802A
公开(公告)日：2019-10-22
申请号：CN201910631224.5
申请日：2019-07-12
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于自动分割和骨盆对齐的前列腺图像配准系统及方法，主要解决现有技术实现前列腺多模态医学图像配准时模态差异大，配准精度低的问题。其实现方案是：将前列腺CT图像序列与前列腺MRI图像序列分别利用训练好的前列腺多模态图像分割网络U-net进行联合分割，得到前列腺CT图像分割结果图像集C和前列腺MRI图像分割结果图像集M，再对这两个图像集C和M进行两阶段配准，得到最终配准图像集L；最后将最终配准图像集L和前列腺CT图像分割结果图像集C融合并显示。本发明缩小了前列腺多模态图像差异，解决了小形变图像配准问题，提高多模态图像配准效率和配准精度，可用于观察前列腺肿瘤解剖部位的形状和位置变化。
-
公开(公告)号：CN113706486B
公开(公告)日：2024-08-02
申请号：CN202110944394.6
申请日：2021-08-17
申请人： 西安电子科技大学
IPC分类号： G06T7/00 , G06T7/11 , G06T7/136 , G06T7/194 , G06V10/25 , G06V10/28 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
摘要： 本发明公开了一种基于密集连接网络迁移学习的胰腺肿瘤图像分割方法，其方案是：获取正电子发射计算机断层显像PET和核磁共振成像MRI，对其进行预处理后划分为训练集和测试集；构建分割网络，并使用PET训练数据集对其训练，得到一次训练好的网络参数W1；使用迁移策略将分割网络中特征提取模块的初始参数设置为W1中相应模块的值，其余模块参数随机初始化，并利用MRI图像训练集重新训练分割网络，得到二次训练好的网络参数W2；将MRI测试集输入到以W2为网络参数的分割网络中得到分割结果。本发明提高了MRI图像分割的性能，解决现有技术对小数据集难以训练网络的问题，可用于协助医生完成胰腺肿瘤治疗前的自动靶区勾画。
-
公开(公告)号：CN110363802B
公开(公告)日：2022-12-06
申请号：CN201910631224.5
申请日：2019-07-12
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于自动分割和骨盆对齐的前列腺图像配准系统及方法，主要解决现有技术实现前列腺多模态医学图像配准时模态差异大，配准精度低的问题。其实现方案是：将前列腺CT图像序列与前列腺MRI图像序列分别利用训练好的前列腺多模态图像分割网络U‑net进行联合分割，得到前列腺CT图像分割结果图像集C和前列腺MRI图像分割结果图像集M，再对这两个图像集C和M进行两阶段配准，得到最终配准图像集L；最后将最终配准图像集L和前列腺CT图像分割结果图像集C融合并显示。本发明缩小了前列腺多模态图像差异，解决了小形变图像配准问题，提高多模态图像配准效率和配准精度，可用于观察前列腺肿瘤解剖部位的形状和位置变化。
-
公开(公告)号：CN109949318A
公开(公告)日：2019-06-28
申请号：CN201910173556.3
申请日：2019-03-07
申请人： 西安电子科技大学
IPC分类号： G06T7/11
摘要： 本发明公开了一种基于多模态影像的全卷积神经网络癫痫病灶分割方法，主要解决现有技术对癫痫影像中病灶难分割的问题。其实现方法是：将原始脑部MRI影像和PET影像调整到同一分辨率空间，并进行边缘裁剪；将裁剪后的MRI/PET影像划分为训练集和测试集；搭建全卷积神经网络Y-Net；将训练集输入到Y-Net网络中进行训练，并对训练好的Y-Net网络中卷积层的卷积核参数进行存储；将存储的卷积核参数载入到已构建的Y-Net网络，并输入测试集，得到癫痫病灶的自动分割结果。本发明具有易于分割，且分割精度高的优点，可用于分割脑部核磁共振影像MRI和正电子发射断层扫描影像PET中的癫痫病灶区域。
-
公开(公告)号：CN111784653B
公开(公告)日：2023-08-01
申请号：CN202010594321.4
申请日：2020-06-28
申请人： 西安电子科技大学 , 首都医科大学宣武医院
IPC分类号： G06T7/00 , G06T7/12 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于形状约束的多尺度网络MRI胰腺轮廓定位方法，主要解决现有技术在MRI图像对比度低和样本不均衡情况下对胰腺图像分割困难的问题。本发明的技术方案为：(1)生成训练集和标注集；(2)预训练U‑net网络；(3)构建多尺度网络；(4)训练形状约束网络；(5)构建形状约束的多尺度网络；(6)训练形状约束的多尺度网络；(7)对MRI图像中胰腺区域进行分割。本发明方法利用了胰腺图像的形状信息，并结合边界和区域信息进行图像分割，可以较好的定位MRI图像中胰腺区域，具有分割精度高的优点，可用于对人体腹部MRI图像中胰腺组织轮廓进行自动定位分割。
-
公开(公告)号：CN110420019B
公开(公告)日：2021-04-20
申请号：CN201910688377.3
申请日：2019-07-29
申请人： 西安电子科技大学
摘要： 本发明提出了一种心冲击图信号的深度回归心率估计方法，用于解决现有技术中存在的估计误差较大的技术问题，实现步骤为：采集心冲击图信号和心脏脉冲信号；对心冲击图信号进行滤波；利用心冲击图信号的周期性先验知识获取训练样本集和测试样本集；构建基于心冲击图信号周期性和幅值特性的心率回归估计网络模型；对心率回归估计网络模型进行训练；获取心冲击图信号的心率估计值。本发明通过有监督的学习方式，使用双向循环神经网络获取心跳信号的周期性特征和幅值特征，通过回归网络同时利用心冲击图信号的周期性特征和幅值特征估计心率值，简化了心冲击图信号心率估计的步骤，有效地降低了心冲击图信号心率的估计误差。
-
公开(公告)号：CN112419348A
公开(公告)日：2021-02-26
申请号：CN202011293215.9
申请日：2020-11-18
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于多任务学习边缘校正网络的男性盆腔CT分割方法，主要解决现有分割方法分割精度和效率较低的问题。其实现方案为：获取前列腺癌症病人的CT图像和医生手工勾画的器官标签和边缘标签，并划分训练数据集、验证数据集和测试数据集；构造一个包含残差子模块、边缘校正模块和特征融合模块的边缘校正分割子网络，并与一个用于定位的3D UNet网络串行连接，组成分割模型；使用训练数据集，利用自适应学习率优化算法对分割模型进行训练；将一例盆腔CT图像作为测试数据输入到训练好的分割模型中，得到测试图像的器官分割结果和边缘分割结果。本发明提升了盆腔CT中器官分割的精度和效率，可用于盆腔CT中器官的自动化分割。
-
公开(公告)号：CN111784653A
公开(公告)日：2020-10-16
申请号：CN202010594321.4
申请日：2020-06-28
申请人： 西安电子科技大学 , 首都医科大学宣武医院
摘要： 本发明公开了一种基于形状约束的多尺度网络MRI胰腺轮廓定位方法，主要解决现有技术在MRI图像对比度低和样本不均衡情况下对胰腺图像分割困难的问题。本发明的技术方案为：(1)生成训练集和标注集；(2)预训练U-net网络；(3)构建多尺度网络；(4)训练形状约束网络；(5)构建形状约束的多尺度网络；(6)训练形状约束的多尺度网络；(7)对MRI图像中胰腺区域进行分割。本发明方法利用了胰腺图像的形状信息，并结合边界和区域信息进行图像分割，可以较好的定位MRI图像中胰腺区域，具有分割精度高的优点，可用于对人体腹部MRI图像中胰腺组织轮廓进行自动定位分割。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.026 秒)
