“廖苗”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31个，建议您升级VIP下载更多相关专利

[发明专利]一种基于二阶段网络的CT序列图像肺结节检测方法-CN202310884710.4在审
发明人：廖苗;伍蕙珠;邸拴虎;赵于前 -专利权人：湖南科技大学
申请日： 2023-07-19 - 公布日： 2023-10-27 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于二阶段网络的CT序列图像肺结节检测方法，具体实现为：(1)建立包含原始CT序列图像和其对应的肺结节标注的训练数据集；(2)构建一种用于肺结节检测的二阶段网络，包含一个用于提取候选肺结节的U形主网络和一个用于生成肺结节假阳性抑制掩摸的寄生网络；(3)构建一种带边缘的交叉熵损失函数；(4)利用训练数据集对网络进行训练；(5)运用训练好的网络对待检测的CT序列图像进行测试，获得肺结节检测结果。本发明通过采用一个二阶段的网络，可有效抑制假阳性结节，提高肺结节检测精度。
一种基于阶段网络 ct 序列图像结节检测方法

[发明专利]基于多感受野特征融合和混合注意力的图像去雾方法-CN202311076587.X在审
发明人：邸拴虎;徐昕;张兴龙;方强;廖苗;郭娟秀 -专利权人：中国人民解放军国防科技大学
申请日： 2023-08-24 - 公布日： 2023-10-20 - 主分类号： G06T5/00 文献下载
摘要：本申请涉及一种基于多感受野特征融合和混合注意力的图像去雾方法。方法包括：构建图像去雾网络；图像去雾网络包括编码器、特征提取模块、跳跃连接模块和解码器；编码器包括卷积层、多感受野特征增强模块、第一误差反馈模块和第二误差反馈模块；特征提取模块包括多个多感受野特征增强模块；解码器包括多感受野特征增强模块、第三误差反馈模块、第四误差反馈模块和卷积层；跳跃连接模块包括混合注意力模块和卷积模块；根据训练数据集对图像去雾网络进行训练，直至预先设置的混合损失函数收敛，得到训练好的图像去雾网络；利用训练好的图像去雾网络对待处理的有雾图像进行去雾，得到去雾后的图像。采用本方法能够提高去雾后的图像准确率。
基于感受特征融合混合注意力图像方法

[发明专利]一种基于深度学习的肝脏肿瘤放疗剂量预测方法-CN202310844686.1在审
发明人：廖苗;邸拴虎;梁伟;赵于前;杨振 -专利权人：湖南科技大学
申请日： 2023-07-10 - 公布日： 2023-10-13 - 主分类号： A61N5/10 文献下载
摘要：本发明公开了一种基于深度学习的肝脏肿瘤放疗剂量预测方法，其实施方案为：1)收集精准放疗计划数据，包括CT图像、序列图像、危及器官与肿瘤区域轮廓、射束信息图像和剂量分布图像；2)构建基于特征融合和交互注意力的剂量预测模型；3)构建损失函数；4)训练剂量预测模型；5)剂量预测。本发明构建的肝脏肿瘤放疗剂量预测模型，通过引入射束信息获取病人的射野方向信息和射线穿透区域剂量信息，设计多输入特征提取和特征融合模块实现不同输入信息的多尺度融合，设计交互注意力模块突出多尺度特征中的关键信息，提升了模型预测的准确性，有助于提高精准放疗计划的设计质量和效率。
一种基于深度学习肝脏肿瘤放疗剂量预测方法

[发明专利]一种基于深度学习的腹部CT图像多器官分割方法-CN202310687349.6在审
发明人：廖苗;邸拴虎;唐红亮;梁伟;赵于前 -专利权人：湖南科技大学
申请日： 2023-06-12 - 公布日： 2023-09-08 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于深度学习的腹部CT图像多器官分割方法，具体实现为：(1)构建包含腹部CT图像和其对应的多器官分割结果的训练数据集；(2)设计一种基于双自注意力机制和多尺度特征融合的分割网络；(3)结合Dice损失与Focal损失构建网络损失函数；(4)利用训练数据集对网络进行训练；(5)运用训练好的网络分割腹部CT图像中的各器官区域。本发明通过采用双注意力和多尺度特征融合机制，可在引入非常少量的参数及浮点计算次数的情况下，更具针对性地建立长距离依赖，解决形状不规则的长条形器官分割精度低的问题。
一种基于深度学习腹部 ct 图像器官分割方法

[发明专利]一种瓷砖表面缺陷在线检测装置及方法-CN202310593554.6在审
发明人：廖苗;邸拴虎;赵于前 -专利权人：中南大学
申请日： 2023-05-25 - 公布日： 2023-08-15 - 主分类号： G01N21/892 文献下载
摘要：本发明提供了一种瓷砖表面缺陷在线检测装置及方法，包括底座，所述底座中间位置装有传送带，所述底座侧边装有龙门架，所述龙门架侧边内壁底部装有感应开关，用于感应瓷砖传送位置，所述龙门架侧边内壁顶部装有光源支架。所述光源支架上装有光源，用于提供均匀光线，所述龙门架顶部中间装有升降平台，所述升降平台上装有工业相机，用于拍摄瓷砖表面图像，所述底座外侧安装有工控机，用于接收和处理工业机所拍图像，所述工控机内部安装有存储器、通讯模块、图像处理单元，所述龙门架侧边外壁安装有显示器，用于显示瓷砖表面缺陷检测结果。本发明结构简单，能够提高瓷砖表现缺陷检测准确度和效率，提升瓷砖生产的自动化水平。
一种瓷砖表面缺陷在线检测装置方法

[发明专利]一种融合多视图信息的三维医学图像分割方法-CN202211403502.X在审
发明人：廖苗;梁伟;邸拴虎;赵于前;杨振 -专利权人：湖南科技大学
申请日： 2022-11-10 - 公布日： 2023-03-24 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种融合多视图信息的三维医学图像分割方法，主要包括：(1)对于待检测三维医学图像，分别从矢状面、冠状面和横切面三个视图方向重构二维切片图像；(2)采用基于空洞空间金字塔卷积的U型2D卷积网络对不同视图方向的二维切片进行分割；(3)采用一种轻量级的3D卷积网络对不同视图方向的分割结果进行融合，得到精确的三维分割结果。本发明可有效克服2D网络无法提取三维空间特征、3D网络内存开销大的问题，可在轻量化网络的情况下，获得精确的分割结果。
一种融合视图信息三维医学图像分割方法

[发明专利]一种腹部CT序列图像中的肝脏区域自动精确分割方法-CN202211403625.3在审
发明人：廖苗;邸拴虎;梁伟;赵于前;杨振;曾业战 -专利权人：湖南科技大学
申请日： 2022-11-10 - 公布日： 2023-02-03 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种腹部CT序列图像中的肝脏区域自动精确分割方法，主要包括：(1)对于待检测CT序列，首先从矢状面、冠状面和横切面三个视图方向重构二维切片；(2)采用基于空洞空间金字塔卷积的U型2D卷积网络对不同视图方向的二维切片进行分割；(3)采用一种轻量级的3D卷积网络对不同视图方向的分割结果进行融合，获取CT序列中各体素属于目标的概率；(5)根据所获取的概率，构建全连接条件随机场能量函数，通过最小化能量函数获取精确的肝脏分割结果。本发明通过融合不同视图方向信息，提取CT序列三维特征，并通过引入全连接条件随机场，获得三维肝脏分割结果，准确性高、鲁棒性强。
一种腹部 ct 序列图像中的肝脏区域自动精确分割方法

[发明专利]一种基于深度学习的CT序列图像肝脏肿瘤分割方法-CN202211407538.5在审
发明人：廖苗;邸拴虎;梁伟 -专利权人：湖南科技大学
申请日： 2022-11-10 - 公布日： 2023-02-03 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于深度学习的CT序列图像肝脏肿瘤分割方法，主要包括：(1)构建基于空洞空间金字塔卷积的U型2D卷积网络，并利用该网络分别从矢状面、冠状面和横切面三个视图方向对CT序列图像进行二维切片分割；(2)采用轻量级的3D卷积网络对不同视图方向获取的分割结果进行融合，获取CT序列各像素属于目标的概率及CT序列肝脏肿瘤三维分割结果；(3)根据所获取的概率和三维分割结果，构建图割能量函数，进一步优化分割结果。本发明通过结合2D、3D卷积网络以及图割算法，可在轻量化网络的情况下，有效提取CT序列的三维空间信息，提高肝脏肿瘤分割精度。
一种基于深度学习 ct 序列图像肝脏肿瘤分割方法

[发明专利]一种CT图像中的肝脏肿瘤自动精确鲁棒分割方法-CN201811553883.3有效
发明人：廖苗;赵于前;杨振;廖胜辉 -专利权人：湖南科技大学
申请日： 2018-12-19 - 公布日： 2022-11-22 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种CT图像中的肝脏肿瘤自动精确鲁棒分割方法，包括：(1)对CT图像进行预处理，提取其中的肝脏区域；(2)运用基于LI‑SLIC的图像超像素分割方法对肝脏区域进行多层级迭代分割，将肝脏中灰度和纹理较为一致的区域划分为同一超像素，获取正常肝实质与肝脏肿瘤之间的边界；(3)根据图像局部灰度和纹理特征，对肝脏区域的每一个像素点进行正常肝实质/肝脏肿瘤二分类；(4)根据肝脏区域像素点分类结果对步骤(2)生成的超像素进行分类，得到最终的肝脏肿瘤分割结果。本发明可有效解决因CT成像噪声以及CT图像中肝脏肿瘤边界模糊、结构复杂、灰度多样等带来的分割困难，提高肝脏疾病计算机辅助诊断的效率和精度。
一种 ct 图像中的肝脏肿瘤自动精确分割方法

[发明专利]基于多分支网络的CT图像肝脏肿瘤区域自动分割方法-CN202210389599.7在审
发明人：邸拴虎;赵于前;廖苗 -专利权人：中南大学
申请日： 2022-04-14 - 公布日： 2022-08-02 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于多分支网络的CT图像肝脏肿瘤区域自动分割方法，包括：(1)建立包含原始CT图像及其肝脏肿瘤手动分割结果和方向信息的训练数据集A；(2)构建一种融合自注意力机制和方向信息的深度卷积多分支网络模型；(3)构建网络损失函数；(4)采用训练数据集A对网络进行训练；(5)运用训练好的网络模型对测试图像进行分割，得到最终的肝脏肿瘤分割结果。本发明是一种全自动的肝脏肿瘤分割方法，通过在卷积网络中引入自注意力模块和基于方向信息的方向修正模块，解决了卷积网络在肝脏肿瘤分割中难以建立远距离目标依赖关系，以及肿瘤边界识别不准确的问题，有效提升了肝脏肿瘤的分割精度。
基于分支网络 ct 图像肝脏肿瘤区域自动分割方法

[发明专利]一种腹部CT序列图像病变肝脏分割方法-CN201910029480.7有效
发明人：赵于前;李阳;廖苗;杨振;廖胜辉 -专利权人：中南大学
申请日： 2019-01-13 - 公布日： 2022-05-31 - 主分类号： G06T7/174 文献下载
摘要：本发明公开了一种腹部CT序列图像病变肝脏分割方法，包括：利用灰度偏移场及腹部CT序列切片空间相关性构建水平集能量函数，进行病变肝脏初分割；基于肝脏网格构建肝脏字典，利用字典原子的稀疏形状组合完成病变肝脏形状校正；构建病变肝脏形状先验，并将其融入图割能量函数，优化病变肝脏分割结果，完成病变肝脏的最终分割。本发明方法能够有效分割腹部CT序列图像中的病变肝脏，且可避免对肝脏病变区域的欠分割。
一种腹部 ct 序列图像病变肝脏分割方法

[发明专利]一种无监督图像去雾方法-CN202111410673.0在审
发明人：廖苗;陆颜;邸拴虎;赵于前;杨振;曾业战 -专利权人：湖南科技大学
申请日： 2021-11-25 - 公布日： 2022-05-27 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种无监督图像去雾方法，包括：(1)构建雾霾环境下的图像成像模型，即雾图成像模型；(2)构建图像局部子块的雾图成像简化模型，并根据子块中像素的线性分布特性，采用主成分分析求解图像大气光矢量的方向；(3)采用四叉树子空间层次搜索法求解雾图中的大气光矢量的幅值；(4)根据已求解的大气光矢量值，求解雾图中每个像素的透射率；(5)运用已求解的大气光矢量和透射率，对雾图成像模型进行逆向求解，得到去雾后的真实场景图像。本发明针对单幅图像进行去雾，不涉及复杂的训练过程，可有效去除图像中的雾霾干扰，获得清晰、细节丰富的图像，克服去雾后图像颜色过度饱和光晕等问题。
一种监督图像方法

[发明专利]一种基于局部信息的区域生长图像分割方法-CN201910874429.6有效
发明人：廖苗;赵于前;邸拴虎;刘毅志;刘建勋 -专利权人：湖南科技大学
申请日： 2019-09-17 - 公布日： 2022-04-08 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于局部信息的区域生长图像分割方法，包括：首先，在图像目标区域选取一个种子点；然后，以该种子点为起点，利用像素局部信息，并采用不同尺度的生长准则对图像进行多尺度区域生长，且在每一次区域生长中利用中间结果的R、G、B色彩均值和标准差动态更新生长准则；最后，采用Kullback‑Leibler散度计算相邻两次区域生长结果的概率分布差异，当差异值大于预设阈值时，取上一次区域生长结果作为最终分割结果。本发明方法对噪声不敏感，可有效分割目标边界模糊、灰度不均一、纹理丰富的图像，分割精度高、鲁棒性强。
一种基于局部信息区域生长图像分割方法

[发明专利]一种基于水平集和形状描述符的腹部CT序列图像肝脏自动分割方法-CN201810757818.6有效
发明人：赵于前;李阳;廖苗;廖胜辉;杨振 -专利权人：中南大学
申请日： 2018-07-11 - 公布日： 2022-03-29 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于水平集和形状描述符的腹部CT序列图像肝脏自动分割方法，包括：对输入图像进行预处理，去除不相关的器官和组织；结合灰度偏移场，利用腹部CT序列相邻切片间的相关性构建水平集能量函数，以初始切片为起点，采用迭代策略完成腹部CT序列图像的肝脏自动分割；构建局部和全局形状描述符去除过分割区域，优化肝脏边缘。本发明方法能有效分割受噪声污染严重且存在灰度异质的腹部CT序列图像中的肝脏区域，可有效避免对肝脏周围毗邻组织的误分割，去除因灰度重叠造成的过分割区域，提高肝脏分割精度。
一种基于水平形状描述腹部 ct 序列图像肝脏自动分割方法

[发明专利]一种基于深度学习的CT图像肝脏肿瘤区域自动分割方法-CN202111390808.1在审
发明人：廖苗;杨文瀚;邸拴虎;赵于前;杨振;曾业战 -专利权人：湖南科技大学
申请日： 2021-11-23 - 公布日： 2022-03-25 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于深度学习的CT图像肝脏肿瘤区域自动分割方法，包括：(1)对训练数据进行预处理，包括图像裁剪和窗宽、窗位调整；(2)构建一种新的融合残差模块和注意力机制的U形深度卷积网络模型；(3)结合Dice与二元交叉熵构建网络的损失函数；(4)采用预处理后的训练数据进行网络训练；(5)对测试图像进行预处理，并利用训练好的网络分割其中的肝脏肿瘤区域。本发明是一种全自动的肝脏肿瘤分割方法，通过图像预处理以及在Unet网络中引入了残差模块与注意力机制，解决了肝脏肿瘤、分割中分割边界模糊，小型肿瘤难以检出的难题，有效提升了肝脏肿瘤的分割精度。
一种基于深度学习 ct 图像肝脏肿瘤区域自动分割方法

1
2
3
下一页»
尾页
共 31 条