“汪天富”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127个，建议您升级VIP下载更多相关专利

[发明专利]一种消化道内窥镜图像增强方法、系统、设备及介质-CN202310894600.6在审
发明人：岳广辉;高杰;武泓吕;周天薇;汪天富 -专利权人：深圳大学
申请日： 2023-07-20 - 公布日： 2023-10-27 - 主分类号： G06T5/00 文献下载
摘要：本发明属于计算机辅助疾病诊断领域，并公开了一种消化道内窥镜图像增强方法、系统、设备及介质，包括：获取消化道内窥镜初始图像；将所述消化道内窥镜初始图像输入图像增强模型中进行特征增强，得到消化道内窥镜特征增强图像；所述图像增强模型包括主分支、第一辅助分支和第二辅助分支；各分支均采用编码器‑解码器结构，且各所述分支均包括多个通过跳跃连接策略和跨分支的补偿策略连接的尺度空间特征提取块；每个所述尺度空间特征提取块均包括依次连接的上下文特征提取模块和空间残差注意模块。本发明所述技术方案能够提高网络在不均匀光照条件下的适应性，通过融合不同尺度的全局和局部特征，逐步恢复高质量的内窥镜图像。
一种消化道内窥镜图像增强方法系统设备介质

[发明专利]一种息肉分割网络方法、系统、电子设备及存储介质-CN202310891778.5在审
发明人：岳广辉;张绍萍;肖厚禄;张俪馨;汪天富 -专利权人：深圳大学
申请日： 2023-07-20 - 公布日： 2023-10-24 - 主分类号： G06V10/26 文献下载
摘要：本发明提供一种息肉分割网络方法、系统、电子设备及存储介质，所述方法包括：S1获取目标图像，基于PVTv2骨干网络得到所述目标图像的四层金字塔特征；S2将所述四层金字塔特征输入到解码器中生成目标图像粗略图；S3在对所述四层金字塔特征输入到多尺度特征融合模块中进行卷积降维得到四个输出特征；S4基于息肉边缘和前景信息再恢复模块和四个输出特征得到分割结果。本发明提出充分利用高分辨率的分割粗略图和低分辨率的分割图的空间信息，通过相减操作挖掘息肉边界的解决方案可以精准挖掘息肉边界信息，减小对背景的关注，实现结肠镜图像中结直肠息肉的准确分割。
一种息肉分割网络方法系统电子设备存储介质

[发明专利]处理类别不平衡医学图像分类问题的联邦学习方法-CN202310970584.4在审
发明人：岳广辉;魏佩珊;李苑妍;武泓吕;周天薇;汪天富 -专利权人：深圳大学
申请日： 2023-08-02 - 公布日： 2023-10-24 - 主分类号： G06V10/764 文献下载
摘要：本发明公开一种处理类别不平衡医学图像分类问题的联邦学习方法，包括：服务端初始化全局模型参数#imgabs0#并将所述全局模型参数发送给各个医疗用户端；所述医疗用户端在接收到所述全局模型参数后，将所述全局模型参数导入于医疗用户端本地模型中，利用医疗用户端中存储的私有数据集对所述医疗用户端本地模型进行训练，得到训练完成的本地模型参数；所述医疗用户端将训练完成的本地模型参数发送至所述服务端；所述服务端将各个医疗用户端发出的训练完成的本地模型参数自适应聚合得到新的全局模型参数#imgabs1#用于下一轮的训练。本方法达到了前沿方法的水平，在网络模型预测评估基础上实现了良好的效果。
处理类别不平衡医学图像分类问题联邦学习方法

[发明专利]一种双约束的伪装目标检测方法及系统-CN202310894653.8在审
发明人：岳广辉;肖厚禄;张绍萍;高杰;张俪馨;汪天富 -专利权人：深圳大学
申请日： 2023-07-20 - 公布日： 2023-10-17 - 主分类号： G06V10/26 文献下载
摘要：本发明提供一种双约束的伪装目标检测方法及系统，所述方法包括：S1提取伪装目标的特征图，将所述特征图维度降低；S2对降低维度后的特征图中的目标数据进行聚合，生成伪装目标初始区域图和伪装目标初始边界图；S3通过降低维度后的特征图和伪装目标初始区域图得到伪装目标粗略区域，然后融合相邻层特征，并结合伪装目标初始边界图得到伪装目标的细节区域；S4通过伪装目标的细节区域生成预测图。本发明可以识别伪装场景中的目标，并能够应用于一些检测场景。
一种约束伪装目标检测方法系统

[发明专利]光学相干断层扫描图像中脉络膜新生血管分割方法及系统-CN202310655638.8在审
发明人：雷柏英;谢海;吴桢泉;陈少滨;汪天富;张国明;吕林 -专利权人：深圳大学
申请日： 2023-06-02 - 公布日： 2023-10-13 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种光学相干断层扫描图像中脉络膜新生血管分割方法及系统，通过构建基于UNet的分割网络，下采样时设有两条路径，用来分别提取多尺度的全局特征以及多尺度的具有局部语义信息和长距离依赖信息的全局特征，并将两条路径上提取的特征进行融合，输出各个尺度的融合后特征，能够充分地提取特征信息；上采样时将相同尺度的融合后特征和上采样特征进行增强后再融合，能够更加聚焦上采样过程中病灶特征的生成，使得上采样的过程中病灶边界信息被作为监督信息增强边界信息的表达，能够进行精细化分割，提高分割效果。
光学相干断层扫描图像脉络新生血管分割方法系统

[发明专利]医学图像类激活映射评价方法、装置、计算机设备及存储介质-CN202211408015.2有效
发明人：陈文兵;杜杰;刘鹏;汪天富 -专利权人：深圳大学
申请日： 2022-11-10 - 公布日： 2023-09-22 - 主分类号： G06T7/00 文献下载
摘要：本发明实施例公开了医学图像类激活映射评价方法、装置、计算机设备及存储介质。所述方法包括：获取类激活图像；利用tanh缩放函数确定所述类激活图的置信度分区；根据所述类激活图的置信度分区评价所述类激活图的定位准确性和目标相似性。通过实施本发明实施例的方法可实现对类激活映射的效果进行有效的评估，能定性定量地对类激活映射所提供的空间位置信息的准确性和质量进行评价。
医学图像激活映射评价方法装置计算机设备存储介质

[发明专利]基于训练网络的婴幼儿视网膜疾病信息识别方法及系统-CN202310747947.8在审
发明人：张国明;刘亚玲;谢海;赵欣予;吴祯泉;唐建楠;郑棉瑩;陈妙虹;雷柏英;汪天富 -专利权人：深圳市眼科医院（深圳市眼病防治研究所）
申请日： 2023-06-25 - 公布日： 2023-09-15 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及基于训练网络的婴幼儿视网膜疾病信息识别方法及系统，方法包括以下步骤：采用CNN和Transformer混合网络提取待测视网膜图像的局部‑全局特征，采用深度注意力融合模块对局部‑全局特征进行融合，采用训练网络训练融合后的特征中ROP数据，提取具有深度特征表达的信息，实现ROP严重程度分级；结合CNN和Transformer网络的优缺点，实现自动检测多种婴幼儿视网膜病变和ROP严重程度分级的双任务；能够检测多种常见的婴幼儿眼底病变，屏蔽其他病变特征的影响，大大提高常见婴幼儿眼底病变自动检查系统的准确率；在一定程度上减少了患儿因难以诊断反复检查的不适感，降低了一定的误诊及漏诊率，提高了医生的诊疗效率。
基于训练网络婴幼儿视网膜疾病信息识别方法系统

[发明专利]一种用于iPSC的自动追踪和质量控制方法及终端设备-CN202010987470.7有效
发明人： 汪天富;王兴猎;雷柏英;岳广辉;周光前;廖进齐 -专利权人：深圳大学
申请日： 2020-09-18 - 公布日： 2023-09-08 - 主分类号： G06V20/69 文献下载
摘要：本发明公开了一种用于iPSC的自动追踪和质量控制方法及终端设备，所述方法包括步骤：对原始iPSC克隆显微图像进行数据增强处理，得到增强iPSC克隆显微图像；采用特征金字塔网络对所述增强iPSC克隆显微图像进行特征提取处理，得到图像特征信息；采用加权双向特征金字塔网络对所述图像特征信息进行特征融合处理，得到图像融合特征；通过检测头对所述图像融合特征进行卷积处理，输出所述iPSC克隆的质量控制结果和定位信息。本发明提供的方法能够保证在较高地分类准确性的情况下，实现对iPSC克隆的实时和可视化的追踪和质量监控，为iPSC的大规模生产提供重要的技术辅助。
一种用于 ipsc 自动追踪质量控制方法终端设备

[发明专利]基于集成式Yolo网络的iPSCs群落检测方法、存储介质及装置-CN202110533348.7有效
发明人： 汪天富;王兴猎;雷柏英;岳广辉;周光前;廖进齐 -专利权人：深圳大学
申请日： 2021-05-17 - 公布日： 2023-09-05 - 主分类号： G06V20/69 文献下载
摘要：本发明公开了基于集成式Yolo网络的iPSCs群落检测方法、存储介质及装置，方法包括步骤：对获得的iPSCs明场显微图进行数据增强处理，得到增强图像；将所述增强图像分别输入三个不同网络层数的已训练Yolo网络中，得到三个预测结果；将所述三个预测结果解翻转和解压缩后进行串接处理，得到串接结果；采用极大值检测算法对所述串接结果进行检测，得到最终的iPSCs群落检测结果。本发明方法可在保存一定精度条件下，快速在显微镜明场图中定位出质量较好的iPSCs，从而减轻了研究人员在显微视野下人工搜索iPSCs群落和对其质量判定的工作量，进而为iPSCs的大规模培养和研究提供了关键的技术支持。
基于集成 yolo 网络 ipscs 群落检测方法存储介质装置

[发明专利]一种胎盘超微血管的分割方法、存储介质及终端设备-CN202110832345.3有效
发明人： 汪天富;陈敏思;雷柏英 -专利权人：深圳大学
申请日： 2021-07-22 - 公布日： 2023-09-01 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种胎盘超微血管的分割方法、存储介质及终端设备，方法包括步骤：在Unet网络中添加ResNeXt模块和CBAM模块，构建图像分割模型；采用已标签胎盘超声图像对所述图像分割模型进行训练，并利用二元交叉熵和骰子损失函数构造混合目标函数来优化所述图像分割模型，得到训练后图像分割模型；将待分割胎盘超声图像输入所述训练后图像分割模型，输出胎盘超微血管的分割结果。本发明选择UNet作为骨干网进行初始特征提取，同时选择ResNeXt模块和CBAM模块对初始特征进行细化和加权可以减少超参数的冗余，抑制不必要的特征，提高了信息利用率。实验结果表明，本发明方法在胎盘超微血管分割中对脐带血(UC)、干绒毛(ST)、母体血液(MA)等解剖结构的分割效果优于其他算法。
一种胎盘微血管分割方法存储介质终端设备

[发明专利]一种基于深度卷积神经网络的病灶图像分割方法及系统-CN202010788632.4有效
发明人： 汪天富;张永涛;马国林;雷柏英;李海梅;刘冰;付超;韩小伟;杜雷;高文文;陈悦;刘秀秀;王依格 -专利权人：深圳大学
申请日： 2020-08-07 - 公布日： 2023-09-01 - 主分类号： G06T7/10 文献下载
摘要：本发明提供了一种基于深度卷积神经网络的病灶图像分割方法及系统，利用经过训练的病灶图像分割模型中的三维特征融合模块通过映射关系转化待测部位的原始图像所提取的初始多尺度特征图以匹配不同的特征分辨率，进而提高模型精度，利用病灶图像分割模型中的单级特征细化模块来细化和融合三维特征融合模块以及三层深度神经网络中同层级的特征，以解决不同尺度特征间的不一致性，以得到具有高一致性的多层深度注意特征图；利用病灶图像分割模型中的多级特征细化模块缓解替代消失问题，利用构建的混合损失函数增强SDS以得到病灶图像，以避免多层深度注意特征图直接平均用于预测病灶区域，提高模型性能和准确性。
一种基于深度卷积神经网络病灶图像分割方法系统

[发明专利]类相关性预测改进方法、装置、计算机设备及存储介质-CN202211559865.2有效
发明人：杜杰;王晶;刘鹏;汪天富 -专利权人：深圳大学
申请日： 2022-12-06 - 公布日： 2023-08-04 - 主分类号： G06N3/047 文献下载
摘要：本发明实施例公开了类相关性预测改进方法、装置、计算机设备及存储介质。所述方法包括：获取待预测图像，以得到样本集；构建预测网络以及损失函数；利用所述样本集对所述预测网络进行训练，对训练所得的结果进行规范化处理，以得到预测概率值；采用所述损失函数结合所述预测概率值对训练后的预测网络进行调整；其中，所述损失函数包括交叉熵损失函数以及类损失函数；所述类损失函数包括用于拉近相似类的网络输出值产生的损失的类内损失函数以及用于拉远不相似类的预测产生的损失的类间损失函数。通过实施本发明实施例的方法可实现在保证准确率的情况下，利用先验知识来拉近相似的两类的网络输出值，拉远不相似的两类的网络输出值，提高神经网络的泛化能力的目的。
相关性预测改进方法装置计算机设备存储介质

[发明专利]一种视网膜病变识别模型的生成方法、识别装置及设备-CN202010857801.5有效
发明人：雷柏英;张汝钢;汪天富;张国明 -专利权人：深圳大学
申请日： 2020-08-24 - 公布日： 2023-08-04 - 主分类号： G06V40/18 文献下载
摘要：本发明提供了一种视网膜病变识别模型的生成方法、识别装置及设备，通过利用训练集中含有的眼底图片对预设网络模型训练，得到训练完成的视网膜病变识别模型，其中训练集中的眼底图片中携带有与眼底图片对应的分类标记信息，该分类标记信息为该眼底图片对应的视网膜特征分类信息，预设网络模型在训练过程中对眼底图片中含有的分类标记信息进行学习，从而实现训练完成的视网膜病变识别模型可以用于对检测图片中含有的视网膜图像进行识别，以给出视网膜特征的准确分类结果。本实施例所提供的方法、装置及设备由于采用深度学习的方式训练出用于视网膜病变识别的网络模型，从而提高眼底图像识别的准确性和检测效率。
一种视网膜病变识别模型生成方法装置设备

[发明专利]空洞卷积优化方法、装置、计算机设备及存储介质-CN202211564910.3有效
发明人：杜杰;陈初阳;刘鹏;汪天富 -专利权人：深圳大学
申请日： 2022-12-07 - 公布日： 2023-08-01 - 主分类号： G06T3/40 文献下载
摘要：本发明实施例公开了空洞卷积优化方法、装置、计算机设备及存储介质。所述方法包括：获取特征图；确定所述特征图的插值区域；对所述插值区域进行空洞卷积插值，以得到插值结果；将所述插值结果与设定的卷积核进行点乘，以得到目标特征值。通过实施本发明实施例的方法可解决空洞卷积丢失信息的问题，提高模型准确率。
空洞卷积优化方法装置计算机设备存储介质

[发明专利]联邦学习模型训练方法、装置、计算机设备及存储介质-CN202211574598.6有效
发明人：杜杰;李炜;刘鹏;汪天富 -专利权人：深圳大学
申请日： 2022-12-08 - 公布日： 2023-08-01 - 主分类号： G06N20/00 文献下载
摘要：本发明实施例公开了联邦学习模型训练方法、装置、计算机设备及存储介质。所述方法包括：获取来自服务器端的全局模型梯度和部分全局模型参数，以得到初始参数；利用所述初始参数更新本地模型；随机选取部分样本数据迭代训练所述本地模型，以得到本地模型梯度和部分本地模型参数；发送本地模型梯度和部分本地模型参数至服务器端，以由服务器端更新全局模型，当全局模型未收敛时，发送所述全局模型梯度以及部分全局模型参数，并执行所述获取来自服务器端的全局模型梯度和部分全局模型参数，以得到初始参数。通过实施本发明实施例的方法可实现采用低时间成本获取性能良好的全局模型，缩短联邦学习整体训练时间。
联邦学习模型训练方法装置计算机设备存储介质

1
2
3
4
5
6
7
8
9
下一页»
尾页
共 127 条