“谭伟敏”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59个，建议您升级VIP下载更多相关专利

[发明专利]面向窄带内镜图像的早期食管鳞癌的癌灶检测及诊断系统-CN202010853194.5有效
发明人：钟芸诗;颜波;蔡世伦;谭伟敏;王沛晟;林青 -专利权人：复旦大学
申请日： 2020-08-22 - 公布日： 2022-04-12 - 主分类号： G06T7/00 文献下载
摘要：本发明属于医学图像处理技术领域，具体为一种面向窄带内镜图像的早期食管鳞癌的癌灶检测及诊断系统。本发明系统包括特征提取骨干网络和特征金字塔、区域候选网络、兴趣区域池化与癌灶分类网络，以及在窄带成像内镜图像上进行可视化的系统。骨干网络用于提取输入图像的特征图；特征金字塔用于将不同尺度的特征相融合；区域候选网络提出可能的病灶区域；对兴趣区域池化将特征池化到可疑病灶区域；癌灶分类网络对癌灶进行分类；最后在窄带成像内镜图像上进行可视化，使用不同的颜色对癌灶进行框选标记。将窄带成像内镜的图像输入到网络模型中，对图像中存在的早期食管鳞癌的癌灶进行检测与诊断，可有效提升诊断效率，辅助医生获取更高的诊断精度。
面向窄带图像早期食管检测诊断系统

[发明专利]一种基于PyQt5的食管内镜图像序列的质量标注工具-CN202111486801.X在审
发明人：颜波;钟芸诗;谭伟敏;蔡世伦;李吉春;林青 -专利权人：复旦大学
申请日： 2021-12-07 - 公布日： 2022-04-08 - 主分类号： G06T7/00 文献下载
摘要：本发明属于医疗图像处理技术领域，具体为一种基于PyQt5的食管内镜图像序列的质量标注工具。本发明包括五个模块：文件夹选择与打开模块、图像质量标记模块、训练样本生成模块、显示模块与切换控制模块；五个模块协同工作，共同完成文件夹内食管内镜图像序列的质量高与低的标注。本发明可以辅助医生完成对某个文件夹内的食管内镜图像序列进行质量评判的标注工作。食道内镜图片质量分为高质量或者低质量，由医生根据临床经验进行相应的判断。本发明工具操作简单，步骤清晰，直接生成神经网路训练所需要的数据对，适用于各种需要对医疗图像序列(不限于食管内镜)进行质量高低标注的场合。
一种基于 pyqt5 食管图像序列质量标注工具

[发明专利]一种多模态特征融合的文本指导图像压缩噪声去除方法-CN202111537614.X在审
发明人：颜波;谭伟敏;姜旭浩;林青;马晨曦 -专利权人：复旦大学
申请日： 2021-12-15 - 公布日： 2022-04-05 - 主分类号： G06T5/00 文献下载
摘要：本发明属于数字图像智能处理技术领域，具体为一种多模态特征融合的文本指导图像压缩噪声去除方法。本发明方法包括：模型以压缩图像和相应的文本描述作为输入，分别提取局部特征和全局特征；基于全局特征融合，模型利用文本全局特征增强图像全局特征，极大提升重建结果的全局质量；基于局部特征融合，模型利用文本局部特征增强图像局部特征，使重建结果具有更多细粒度纹理；在网络训练中引入重构损失、对抗损失、对比损失和语义一致损失来辅助模型生成更加真实、自然的结果。实验结果表明，本发明可以有效利用文本信息来辅助压缩图像的增强，生成自然美观且与未压缩图像语义一致的重建结果，有效解决图像压缩噪声去除的问题。
一种多模态特征融合文本指导图像压缩噪声去除方法

[发明专利]一种基于滑动窗口的消化道内镜病变检测和识别方法-CN201810484708.7有效
发明人：钟芸诗;颜波;蔡世伦;牛雪静;李冰;林楚铭;谭伟敏 -专利权人：复旦大学
申请日： 2018-05-20 - 公布日： 2022-03-18 - 主分类号： G06T7/00 文献下载
摘要：本发明属于医学图像智能处理技术领域，具体为一种基于滑动窗口的消化道内镜病变检测和识别方法。通过内镜的早期筛查是降低消化道癌症发病率和死亡率的有效手段。在传统诊断方法中，医生的诊断完全是主观判断过程，会受到诊断医生经验及知识水平的限制和影响。因此本发明将深度学习应用于消化道内镜的病变检测，基于医生标注的病变区域的边框制作样本，训练分类器；在待检测的消化道内镜图像中提出候选区域，将候选区域输入分类器，对分类结果做后处理，达到病变检测的目的。实验结果表明，本发明可以较准确地检测到消化道内镜图像的病变位置，为医生提供参考，说明了人工智能辅助的消化道早癌诊疗具有无可替代的优越性。
一种基于滑动窗口消化道病变检测识别方法

[发明专利]一种基于颞骨CT平扫影像的左右耳区域分割方法-CN202010124604.2有效
发明人：王云峰;颜波;李健;李吉春;谭伟敏 -专利权人：复旦大学
申请日： 2020-02-27 - 公布日： 2022-03-18 - 主分类号： G06T7/11 文献下载
摘要：本发明属于医疗图像处理技术领域，具体为一种基于颞骨CT平扫影像的左右耳区域分割方法。该算法用于对头部颞骨CT影像中的左、右耳部区域进行分割，使得计算机能够集中地对耳部区域进行后续的处理。本发明依次包括以下步骤：对头部CT图像的无效区域进行剔除；按照比例将图像中的左、右耳区域分别裁出；将左、右耳区图像分别整理保存。实验结果表明，对于平扫的颞骨CT图像，本方法可以剔除无效的黑色区域，抛弃其他无关部位的信息，准确地提取左右耳区域。
一种基于颞骨 ct 影像右耳区域分割方法

[发明专利]一种基于知识蒸馏的深度学习视频插帧方法-CN202011263428.7有效
发明人：颜波;谭伟敏;周诗力 -专利权人：复旦大学
申请日： 2020-11-12 - 公布日： 2021-09-17 - 主分类号： H04N7/01 文献下载
摘要：本发明属于数字视频智能处理技术领域，具体为一种基于知识蒸馏的深度学习视频插帧方法。本发明使用参考答案网络和插帧网络，具体步骤包括：将相邻帧和目标帧一起作为输入，训练参考答案网络，首先出估计帧之间的光流，最后通过光流重构目标帧；训练插帧网络，用参考答案网络的光流作为辅助的监督数据，完成蒸馏学习；其中，参考答案模型和插帧模型都包含两个子模块：光流模块和目标帧合成模块；本发明的优势在于训练时不需要昂贵的带有光流标注的数据集，只需要用常见的连续视频数据。实验结果表明，采用本发明的训练方式，插帧模型的性能能够得到明显提升。
一种基于知识蒸馏深度学习视频方法

[发明专利]一种语义分割驱动的图像超分辨率重构方法-CN201810901713.3有效
发明人：颜波;牛雪静;谭伟敏 -专利权人：复旦大学
申请日： 2018-08-09 - 公布日： 2021-06-04 - 主分类号： G06T5/00 文献下载
摘要：本发明属于数字图像处理技术领域，具体为一种语义分割驱动的图像超分辨率重构方法。本发明方法具体包括：分别独立训练图像超分辨率网络和语义分割网络模型；级联独立训练的超分辨率网络和语义分割网络；在语义分割任务的驱动下，训练超分辨率网络；低分辨率图像通过任务驱动的网络处理后，获得准确的语义分割结果。实验结果表明，本发明能够使得超分辨率网络更好地适应分割任务，为语义分割网络提供清晰、分辨率高的输入图像，有效提高低分辨率图像的分割精确度。
一种语义分割驱动图像分辨率方法

[发明专利]基于局部分类神经网络的癌症WSI的分割方法-CN202010891178.5在审
发明人：颜波;高强;谭伟敏;丁光宇;凌宇 -专利权人：复旦大学
申请日： 2020-08-30 - 公布日： 2020-12-18 - 主分类号： G06T7/11 文献下载
摘要：本发明属于医学图像智能处理技术领域，具体为一种基于局部分类神经网络的癌症全视野数字病理切片的分割方法，本发明方法包括，将病理切片划分为若干个固定大小且不重叠的图像块，将每个图像块送入基于卷积神经网络的分类模型，通过前向传播判断该块的类别，再将各块的分类结果按其在原图上的位置进行拼接，从而得出整个切片中不同组织分布的热图，最后对热图进行中值滤波并去除面积过小的区域后可得到分割图，并辅助医生进行诊断。本发明方法能够快速地将整个病理切片中不同组织所在的区域标出，有效辅助医生进行诊断，提升诊断的准确率与效率。
基于局部分类神经网络癌症 wsi 分割方法

[发明专利]一种生成新视频帧的方法-CN201810969162.4有效
发明人：颜波;林楚铭;谭伟敏;马晨曦 -专利权人：复旦大学
申请日： 2018-08-23 - 公布日： 2020-10-30 - 主分类号： H04N19/132 文献下载
摘要：本发明属于视频编辑技术领域，具体为一种生成新视频帧的方法。本发明方法利用视频前后帧之间的光流估计新生成的中间帧到视频前后帧之间的光流，并根据该光流值对前后帧进行相应逆插值处理生成新的中间视频帧。本发明使用视频前后帧之间的关联性结合多尺度的框架，从粗到细地预测新的视频帧。实验结果表明，本方法不仅生成了较高质量的中间视频帧，还保持了新视频的时间连贯性，达到快速的几乎实时的处理效果，因此相较于传统的视频插帧方法，本发明具有更现实的应用价值及更丰富的研究意义。
一种生成视频方法

[发明专利]用矩形框标注CT影像并生成深度学习训练样本的系统-CN202010125498.X在审
发明人：颜波;王云峰;李健;李吉春;谭伟敏 -专利权人：复旦大学
申请日： 2020-02-27 - 公布日： 2020-06-30 - 主分类号： G16H30/40 文献下载
摘要：本发明属于医疗图像处理技术领域，具体为一种用矩形框标注CT影像并生成深度学习训练样本的系统。本发明系统包括六个模块：文件夹选择与打开模块、画框标记模块、图片属性标记模块、训练样本生成模块、显示模块与切换控制模块；六个模块协同工作，共同完成文件夹内所有CT影像的画框以及图片属性的标记。本发明可以完成两种标记：一是框状的标记，能够用包围盒的形式标出病灶部位或者异常部位，生成基于像素的包围盒位置掩膜；二是图像整体病变类型，有两种病变共三类病变类型的标记，用于标注整张图片属于何种病变。本发明系统操作简单，步骤清晰，直接生成训练数据对，适用于各种需要对医疗CT影像进行框选标注的场合。
矩形标注 ct 影像生成深度学习训练样本系统

[发明专利]一种内镜图像病变实时检测方法及装置-CN201910254178.1在审
发明人：颜波;钟芸诗;牛雪静;蔡世伦;谭伟敏;阿依木克地斯·亚力孔;林楚铭 -专利权人：复旦大学
申请日： 2019-03-30 - 公布日： 2019-10-15 - 主分类号： G06T7/00 文献下载
摘要：本发明属于医疗图像处理技术领域，具体为一种内镜图像病变实时检测方法及装置。本发明方法包括采集卡采集内镜设备输出的当前图像；当前图像预处理；调用病变检测模型检测当前图像中的病变区域；检测结果后处理；将病变检测前后的图像存入缓冲区；检测缓冲区，从缓冲区读取图像；在界面显示病变检测结果。本发明装置包括内镜拍摄设备、采集卡、病变检测程序模块、缓冲区、显示设备；采集卡、病变检测程序模块、缓冲区置于计算机主机中。本发明能够实时获取内镜的视频并进行检测，输出病变检测前后的视频，便于医生观察。本发明对不同内镜设备兼容性好，安装简单，即插即用，可以辅助医生提高临床诊断效率，在实际临床诊断中有广泛应用前景。
病变检测内镜缓冲区采集卡程序模块图像临床诊断内镜图像实时检测病变视频医疗图像处理缓冲区读取计算机主机检测缓冲区设备兼容性图像预处理病变区域辅助医生即插即用检测结果界面显示模型检测拍摄设备实时获取显示设备医生观察后处理输出调用采集检测应用

[发明专利]基于多任务神经网络的消化道内镜图像分类及早癌检测系统-CN201810928147.5在审
发明人：颜波;钟芸诗;牛雪静;蔡世伦;谭伟敏;李冰 -专利权人：复旦大学
申请日： 2018-08-13 - 公布日： 2019-01-01 - 主分类号： G06T7/00 文献下载
摘要：本发明属于医学图像智能处理技术领域，具体为一种基于多任务神经网络的消化道内镜图像分类及早癌检测系统。本发明系统包括：（1）特征提取主干网络；（2）消化道内镜图像分类分支；（3）消化道早癌病变区域检测分支；本发明采用多任务的深度神经网络结构，分类和检测两个任务共享多个卷积层。内镜图像输入到神经网络模型中，经过一次前向传播，即可同时获得检测及分类结果，有效降低计算量，提升分类和检测精确度。实验结果表明，本发明可以精确地将内镜图像分成正常和早癌两类并检测出早癌图像中不规则的病变区域，减少人为因素影响，提高临床诊断的效率。
消化道内镜图像分类检测早癌病变区域内镜图像神经网络癌检测神经网络结构神经网络模型分类结果临床诊断前向传播人为因素任务共享特征提取医学图像智能处理主干网络不规则消化道计算量分类卷积图像

[发明专利]一种提高视频空间分辨率的方法-CN201810904777.9在审
发明人：颜波;林楚铭;谭伟敏;马晨曦 -专利权人：复旦大学
申请日： 2018-08-09 - 公布日： 2018-12-11 - 主分类号： H04N7/01 文献下载
摘要：本发明属于视频编辑技术领域，具体为一种提高视频空间分辨率的方法。本发明步骤包括：局部帧及局部特征的提取：将多帧相邻视频帧输入到局部网络NET_L中，利用帧间的局部信息学习出局部重构帧SR_t^Local及该帧的特征F_t^Local；重构当前帧：将学到的局部帧和相邻的前一帧SR_t‑1重构后的视频帧输入到内容网络NET_C中，重构当前帧。本发明不仅充分利用多个相邻低分辨率视频帧之间的关联性，还结合前一帧超分重构后的视频帧来恢复当前视频帧的高频内容。实验结果表明，本方法可较好地保持重构视频的时间连贯性，恢复出丰富的视频细节纹理，提升视频的清晰度视觉质量，同时还达到实时处理的速度，具有较高的应用价值。
重构视频帧视频空间前一帧分辨率视频低分辨率视频帧时间连贯性相邻视频帧高频内容局部特征局部网络局部信息局部重构内容网络实时处理视频编辑视频细节纹理关联性多帧帧间恢复视觉应用学习

[发明专利]一种内镜图像智能分类及不规则病变区域检测方法-CN201810445939.7在审
发明人：颜波;钟芸诗;牛雪静;蔡世伦;谭伟敏;李冰 -专利权人：复旦大学
申请日： 2018-05-11 - 公布日： 2018-10-16 - 主分类号： G06T7/00 文献下载
摘要：本发明属于医学图像智能处理技术领域，具体为一种内镜图像智能分类及不规则病变区域检测方法。本发明使用人工智能的方法，将显著性检测应用于内镜图像的分类和不规则病变区域的检测。把资深医生标注的内镜图像作为训练样本，输入到显著性检测网络模型，使网络模型学习到不规则的显著性区域，即病变区域。实验结果表明，本发明能够学习到资深医生的诊断经验，较准确地把内镜图像分为病变图像和正常图像，同时检测出不规则的病变区域，为医生提供参考，以提高诊断的准确率。
病变区域内镜图像不规则显著性检测网络模型智能分类医生人工智能诊断病变图像检测应用训练样本医学图像正常图像智能处理准确率地把标注参考学习分类

[发明专利]一种基于相对高度深度线索的深度估计方法-CN201310429867.4有效
发明人：刘然;谭迎春;曹东华;田逢春;黄振伟;李博乐;谭伟敏 -专利权人：四川虹微技术有限公司;重庆大学
申请日： 2013-09-22 - 公布日： 2017-01-25 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于相对高度深度线索的深度估计方法，首先通过边缘检测获得边缘图，然后通过霍夫变换判断出图像场景，根据图像场景选择相应的模板进行深度估计，获得初始深度图，从而实现多种图像场景的深度估计。此外，通过获取图像的显著图，使图像中同一深度的目标得到的深度值会不一致的情况得以改善，提高深度图准确度。同时采用联合双边滤波对初始深度图以及显著图进行滤波，使其平滑强度更好，进一步改善深度图的质量。
一种基于相对高度深度线索估计方法