“朱伟芳”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果49个，建议您升级VIP下载更多相关专利

[发明专利]一种基于图像处理的睑板腺腺体分割方法-CN202310612590.2在审
发明人：陈新建;刘灯风;朱伟芳 -专利权人：苏州大学
申请日： 2023-05-29 - 公布日： 2023-09-29 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及图像处理领域。本发明提出的一种基于图像处理的睑板腺腺体分割方法构建了睑板腺腺体检测网络，包括特征编码路径、特征解码路径、条形混合注意力模块、多尺度注意力模块、边界检测辅助网络以及自适应交互信息融合模块。利用构建的睑板腺腺体检测网络对待检测的睑板腺腺体图像进行分割，通过条形混合注意力模块提高了网络对条形目标的关注，利用多尺度注意力模块获多尺度特征，利用边界检测辅助网络辅助腺体分割，提升了对睑板腺腺体分割的准确性。
一种基于图像处理睑板腺腺体分割方法

[发明专利]一种多模态视网膜眼底图像分类方法-CN202310580568.4在审
发明人： 朱伟芳;谭晓;陈新建 -专利权人：苏州大学
申请日： 2023-05-22 - 公布日： 2023-09-29 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及计算机图像处理领域。本发明提出一种多模态视网膜分类方法，互补性特征提取阶段中，OCT‑A和OCT图像分别通过特征提取器和前馈神经网络进行特征提取，随后经过组增强交叉变换器和组增强自变换器进行特征融合，并将互补特征存储在互补性内存池中。当网络完成互补性特征提取，网络进入一致性特征提取阶段。一致性特征提取阶段的结构在互补性提取阶段的基础上加入了跨模态交互蒸馏损失，主要用于提取来自不同模态的一致性特征，并将其与互补性特征进行融合。可以高效获取与融合来自不同模态间的互补性和一致性特征，在多模态融合的视网膜疾病分类任务，可有效提高分类的准确率。
一种多模态视网膜眼底图像分类方法

[发明专利]一种视网膜OCT图像病变多标签分类系统和方法-CN202310240656.X在审
发明人：陈新建;刘铭;朱伟芳;石霏 -专利权人：苏州大学
申请日： 2023-03-14 - 公布日： 2023-07-28 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种视网膜OCT图像病变多标签分类系统和方法，系统包括：获取模块：用于获取视网膜OCT图像；第一融合模块：用于提取视网膜OCT图像的深层特征图，同时将深层特征提取过程中输出的特征与深层特征图进行融合，得到图像特征图；拼接模块：用于提取两张视网膜OCT图像的浅层特征，并将包括局部目标信息的浅层特征与图像特征图进行拼接，得到拼接特征；第二融合模块：用于构建输入数据并输入图卷积神经网络，得到向量矩阵，再将向量矩阵和拼接特征进行融合得到输出结果；分类模块：用于根据输出结果对视网膜OCT图像的各种疾病进行分类。本发明能够对视网膜OCT图像的特征进行有效提取，并能对各种视网膜疾病进行分类。
一种视网膜 oct 图像病变标签分类系统方法

[发明专利]基于多尺度与局部特征引导网络的角膜神经纤维分割方法-CN202210610029.6有效
发明人： 朱伟芳;汤伟;陈新建 -专利权人：苏州大学
申请日： 2022-05-31 - 公布日： 2023-07-11 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于多尺度与局部特征引导网络的角膜神经纤维分割方法、装置、设备以及计算机可读存储介质包括：利用U型网络的编码器和解码器对医学样本图像进行特征提取；利用多尺度深度监督网络上采样每个解码器的输出，将每个解码器的输出与预设解码器的输出进行拼接，输出每个解码器对应的医学分割图像；计算每个解码器对应的医学分割图像与医学图像训练集标注区域的损失函数值；基于多个损失函数值对网络进行监督训练，本发明利用多个损失函数值优化每个解码器的输出，从而更好的加快网络的收敛速度，提升分割性能，提高医学图像分割的精确度。
基于尺度局部特征引导网络角膜神经纤维分割方法

[发明专利]动态聚合变换器网络及视网膜血管分割方法-CN202210906947.3有效
发明人： 朱伟芳;谭晓;陈新建;孟庆权;聂宝清 -专利权人：苏州大学
申请日： 2022-07-29 - 公布日： 2023-07-11 - 主分类号： G06T7/11 文献下载
摘要：本发明涉及一种动态聚合变换器网络及视网膜血管分割方法，动态聚合变换器网络包括动态聚合变换器编码器模块、组卷积嵌入模块和轻量级卷积解码器模块，原始图像初始化后输入动态聚合变换器编码器模块，使用动态聚合法和多头动态聚合注意力得到语义标记，组卷积嵌入模块根据语义标记得到多尺度特征图；轻量级卷积解码器模块对多尺度特征图进行特征分辨率的恢复得到分割结果；视网膜血管分割方法为将光学相干断层扫描血管造影图像输入训练完成的动态聚合变换器网络中，得到视网膜血管分割结果。本发明可以减少视觉变换器的计算量、解决卷积神经网络局部感觉野受限的问题、减少网络参数量、有效提升血管分割性能。
动态聚合变换器网络视网膜血管分割方法

[发明专利]多种视网膜积液联合分割的上下文关注与融合网络系统-CN202110171467.2有效
发明人： 朱伟芳;叶妍青;陈新建 -专利权人：苏州大学
申请日： 2021-02-05 - 公布日： 2023-06-13 - 主分类号： G06V10/26 文献下载
摘要：本申请公开一种适用于多种视网膜积液联合分割的上下文关注与融合网络，包括特征编码模块、上下文收缩编码CSE模块、上下文金字塔引导CPG模块、特征解码模块，上下文收缩编码CSE模块嵌入于特征编码模块中，上下文金字塔引导CPG模块设置于特征编码模块、特征解码模块之间，上下文收缩编码CSE模块与特征解码模块跳跃连接；视网膜OCT图像通过特征编码模块和上下文收缩编码CSE模块对各层次特征进行选择性聚合，再通过上下文金字塔引导CPG模块获得多尺度上下文信息输入到特征解码模块中，特征解码模块输出分割结果。本申请的适用于多种视网膜积液联合分割的上下文关注与融合网络，克服了现有技术中存在的特征聚合无选择性、多尺度信息提取能力低下等问题。
多种视网膜积液联合分割上下文关注融合网络系统

[发明专利]一种圆锥角膜自动分级方法、装置及存储介质-CN202211552123.7在审
发明人：陈新建;高嵩;石霏;朱伟芳;陈中悦 -专利权人：苏州大学
申请日： 2022-12-05 - 公布日： 2023-06-09 - 主分类号： G06V40/18 文献下载
摘要：本发明涉及深度学习技术领域，尤其是指一种圆锥角膜自动分级方法、装置及计算机存储介质、眼科成像设备。本发明所述的圆锥角膜自动分级方法，将五张地形图作为一个整体作为输入，充分考虑了多张角膜地形图之间的联系，基于自注意力的特征提取模块通过获取输入特征的各个通道的相应维度的平均值和最大值，并基于这些不同维度的丰富信息生成注意力权重，从而能够指导网络提取重要的特征信息；特征融合模块基于注意力机制可以自适应地校准上下级通道维度的特征，并将上下级特征按照一定权重进行特征融合，从而得到更利于分类的高级特征，能够使得网络更加专注于角膜地形图中的关键特征，在圆锥角膜严重程度分级任务上取得了出色的性能。
一种圆锥角膜自动分级方法装置存储介质

[发明专利]基于改进U型网络的OCT图像近视性黄斑病变分割方法-CN202011161061.8有效
发明人： 朱伟芳;刁逸超;陈新建 -专利权人：苏州大学
申请日： 2020-10-27 - 公布日： 2023-06-06 - 主分类号： G06T7/11 文献下载
摘要：本申请实施例公开一种基于改进U型网络的视网膜OCT图像中近视性黄斑病变区域分割方法，该方法包括：搭建网络结构，网络结构包括编码器模块、特征聚合池化模块FAPM、解码器模块、深监督模块，特征聚合池化模块FAPM设置于编码器模块的编码器通道中，用于进行下采样聚合全局上下文信息以及局部信息，深监督模块设置于解码器的除底层以外的各层中，用于引导网络生成更具有代表性的特征图；实验，采用光学相干断层扫描OCT图像中RBCC损伤和近视牵引纹病变区域的联合分割任务对网络结构的输出进行验证。本申请的基于改进U型网络的视网膜OCT图像中近视性黄斑病变区域分割方法实现视网膜OCT图像中的RBCC损伤和近视牵引纹的自动分割，提高了小目标分割性能。
基于改进网络 oct 图像近视黄斑病变分割方法

[发明专利]基于CNN的睑板腺区域和睑板腺萎缩区域分割模型及方法-CN202310106210.8在审
发明人：陈新建;刘灯风;朱伟芳 -专利权人：苏州大学
申请日： 2023-02-13 - 公布日： 2023-06-02 - 主分类号： G06T7/11 文献下载
摘要：本发明提供一种基于CNN的睑板腺区域和睑板腺萎缩区域分割模型及方法，该模型包括：特征编码模块，用于从原始图片中提取特征图；信息融合模块IFM，用于对输入的特征图的浅层特征和深层特征的通道和空间信息进行优化，增强浅层特征的高级语义信息并填充深层特征的空间位置信息；并行路径连接模块PPC，用于对所述特征编码模块提取的特征图的特征进行特征细化；特征解码模块，用于对提取到的特征进行恢复，得到预测结果。本发明克服了现有U型编解码器网络中下采样导致细节信息的缺失以及原始U‑Net网络在跳跃连接中会引入噪声导致解码器对特征的恢复质量变差的问题。
基于 cnn 睑板腺区域萎缩分割模型方法

[发明专利]MCSLI图像中条纹损伤的分割方法-CN202011553440.1有效
发明人： 朱伟芳;罗高辉;陈新建 -专利权人：苏州大学
申请日： 2020-12-24 - 公布日： 2023-05-12 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种MCSLI图像中条纹损伤的分割方法，先构建基于U‑Net网络的融合型图像分割网络模型；再选取多个MCSLI图像构成训练数据集，并将训练数据集输入所述融合型图像分割网络模型中进行训练，并根据训练结果优化所述融合型图像分割网络模型；将待处理的MCSLI图像输入优化后的融合型图像分割网络模型中进行条纹损伤的分割。本发明能够精确高效地实现MCSLI图像的条纹损伤的自动分割。
mcsli 图像条纹损伤分割方法

[发明专利]一种基于注意力机制的早产儿视网膜图像分类方法和装置-CN202010089915.X有效
发明人：陈新建;彭圆圆;朱伟芳 -专利权人：苏州大学
申请日： 2020-02-13 - 公布日： 2023-05-12 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于注意力机制的早产儿视网膜图像分类方法和装置，包括步骤：将待识别的二维视网膜眼底图像进行预处理，得到预处理后的二维视网膜眼底图像；将预处理后的二维视网膜眼底图像输入到预先训练好的深度注意力网络模型中，输出图像的分类结果识别出早产儿视网膜病变ROP图像；所述深度注意力网络模型为在原始ResNet18网络的第三个残差层和第四个残差层后分别添加互补残差注意力模块和通道注意力SE模块。本发明能够获取丰富且重要的全局和局部信息，使得网络能够学习到正确的病变特征，从而使得分类网络能较好解决病变与背景之间极大的数据不平衡问题，进而提高深度注意力网络模型的分类性能。
一种基于注意力机制早产儿视网膜图像分类方法装置

[发明专利]一种脉络膜新生血管生长预测方法、装置及存储介质-CN202211644781.9在审
发明人：陈新建;沈佳燕;陈中悦;朱伟芳 -专利权人：苏州大学
申请日： 2022-12-20 - 公布日： 2023-05-09 - 主分类号： G06T7/11 文献下载
摘要：本发明涉及深度学习技术领域，尤其是指一种脉络膜新生血管生长预测方法、装置及存储介质。本发明提出了一种基于卷积神经网络的CNV生长预测方法，将采集到的图像分割出感兴趣的CNV病变区域，并将其与原图进行拼接，作为生长预测的输入，保证CNV生长预测的准确性，所提出的基于注意力的门控递归单元，由于集成了纵向数据的空间注意力和通道注意力，着重关注时空序列图像的空间位置的变化，在减少计算量的同时，能够在多维数据中执行卷积操作来捕获时空序列图像的空间特征，在生长预测方面具有更好的性能。
一种脉络新生血管生长预测方法装置存储介质

[发明专利]基于CAS-Net的OCT图像视网膜脱离和劈裂自动分割方法-CN202110992437.8有效
发明人：石霏;陈新建;杨长青;朱伟芳 -专利权人：苏州大学
申请日： 2021-08-27 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于CAS‑Net的OCT图像视网膜脱离和劈裂自动分割方法，包括以下步骤：S1、获取OCT图像，将OCT图像分为训练集、验证集和测试集；S2、构建分类辅助分割网络用于OCT图像的分类；分类辅助分割网络包括分类网络和分割网络，分割网络包括全维度特征融合模块和特征融合解码模块，分类网络用于全局平均池化和卷积，并输出OCT图像中多个类别的存在概率；S3、构建整个分类辅助分割网络的损失函数，利用训练集和验证集对分类辅助分割网络进行训练；S4、利用测试集对训练后的分类辅助分割网络进行测试，实现对OCT图像的分割。本发明基于CAS‑Net的OCT图像视网膜脱离和劈裂自动分割方法能够准确的分割出OCT图像中的RD、ORS、MRS和IRS。
基于 cas net oct 图像视网膜脱离劈裂自动分割方法

[发明专利]基于全局与局部特征重建网络的医学图像分割方法和装置-CN202210121683.0有效
发明人： 朱伟芳;宋佳欢;陈新建 -专利权人：苏州大学
申请日： 2022-02-09 - 公布日： 2023-03-24 - 主分类号： G06T7/11 文献下载
摘要：本发明涉及一种基于全局与局部特征重建网络的医学图像分割方法、设备、装置及计算机存储介质，本发明提供的基于全局和局部特征重建网络，其中的全局特征重建GFR模块通过全局描述子将语义信息从高层级特征引入到低层级特征，消除各层级特征之间的语义间隔，并采用跨级全局描述子重建特征图，使得网络获得全局感受野，实现长距离特征依赖建模；局部特征重建LFR模块实现基于低阶段特征图引导的特征动态上采样，通过动态地重建局部特征，将低阶段特征图中的空间细节信息传递到高阶段特征图中，从而实现特征的空间信息恢复，克服现有技术中U型编解码器网络中的全局特征提取与长距离特征依赖建模能力不足、特征图空间信息的恢复不足等问题，提升了图像分割精度。
基于全局局部特征重建网络医学图像分割方法装置

[发明专利]一种基于三维卷积神经网络的视网膜OCT图像分类方法-CN201811516615.4有效
发明人：陈新建;冯爽朗;朱伟芳;赵鹤鸣 -专利权人：苏州大学
申请日： 2018-12-12 - 公布日： 2023-03-24 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于三维卷积神经网络的视网膜OCT图像分类方法，包括以下步骤：（a）采集图像并将采集到的图像分为训练集和测试集，对图像进行预处理；（b）搭建VinceptionC3D网络结构，VinceptionC3D网络是基于C3D卷积神经网络的改进，在C3D网络的基础上添加了融合多通道特征的Vinception模块，并把批标准化的方法应用到了原始C3D网络中，（c）模型的训练和测试：利用C3D的预训练模型作为VinceptionC3D的预训练模型，利用训练集中的数据训练加载预训练模型后的网络得到训练好的VinceptionC3D模型，模型训练结束后，用测试集测试模型。本发明能对三维视网膜OCT图像进行整体分类，为后续的视网膜OCT图像分割与分析提高效率奠定基础。
一种基于三维卷积神经网络视网膜 oct 图像分类方法

1
2
3
4
下一页»
尾页
共 49 条