本发明涉及一种肺部医疗影像优化分割方法，涉及图像处理技术领域。包括以下步骤：获取肺部CT图像；获取骨骼区域和肺部区域；获取最大的气管分割程度对应的簇类个数作为分割肺部区域最优的簇类个数；利用最优的簇类个数对肺部区域进行分割获取肺部分割图；将肺部分割图与骨骼区域结合获取肺部CT图像的最优分割图像。本发明利用图像处理技术，通过对获取的肺部CT图像进行处理，得到肺部区域，根据不同聚类效果下的肺部气管分割程度得到最优分割簇类个数，进而得到最优分割图。
📄 202411155697X
📂 G06T7_11
👤 北京智想创源科技有限公司
📅 2024-08-22
本发明公开了一种基于U‑Net架构的深度残差网络的脑肿瘤分割方法，包括以下步骤：S1：构建深度残差网络的组合卷积块。S2：构建实施三分支结构模型的分支结构网络。S3：组合形成三分支结构模型的整体网络。本发明的优点是：可以更有效地防止网络性能下降，可以更好地提高网络性能。另外，对每个模态图像数据进行标准化，裁剪和去除无病灶图像数据，最后将其合并为多通道数据。因此，实验结果表明该算法具有先进的性能。大大提高肿瘤分割效果。
📄 2020111131990
📂 G06T7_00
👤 济宁学院
📅 2020-10-17
本发明涉及区域分割技术领域，具体涉及一种肾脏超声影像病变区域分割方法。该方法获取待分析图像的肾脏区域的特征点的跟踪像素序列，根据每个特征点与其邻近的特征点的灰度变化趋势的相似度和跟踪像素序列的长度获取囊肿可能值，进而选取肾脏区域中的囊肿特征点；根据任意两个囊肿特征点的跟踪像素序列中相同位置的像素点的距离、灰度差异与灰度变化趋势的相似度，将囊肿特征点划分类别；根据每个囊肿特征点与其所属类别的其余囊肿特征点的距离和囊肿可能值获取区域生长阈值，并将囊肿特征点作为种子点进行区域生长，得到实际囊肿区域。本方案有效提高肾脏中囊肿的划分精度。
📄 2025102874380
📂 G06T7_00
👤 优安科技(南通)有限公司
📅 2025-03-12
一种基于多通道多分类器的胰腺囊性肿瘤图像分类方法，包括如下步骤：1)对原始图像进行调节窗宽窗位操作，Canny边缘检测以及梯度幅值计算来加强边缘特征；2)运用ResNet对多通道图进行端到端的训练，把pool5层的输出作为提取到的特征，分别用Bayesian分类器和KNN分类器进行分类，得到分类概率；3)运用随机森林分类器对上述得到的3种不同的概率进行分类得到最终结果，随机森林由多个决策树组成。本发明提供了一种基于多通道多分类器的胰腺囊性肿瘤图像分类方法，能自动进行边缘增强，并提高分类的准确率。
📄 2018104544544
📂 G06K9_62
👤 浙江工业大学
📅 2018-05-14
一种基于多视图和3维卷积融合策略的PET图像分割方法，包括以下步骤：步骤1，针对3维PET图像的特点修改原始的网络模型,使之适合学习分割3维的PET数据；步骤2，将3维的PET数据进行预处理,使之符合对应网络需要的形状和尺寸,有助于网络的收敛速度和分割的准确性；步骤3，对应预处理方式的数据输入至对应的卷积神经网络中学习,得到对应的模型；步骤4、将测试数据分别输入到预测模型中，将多个模型的预测结果通过一个简单的3维卷积网络进行融合得到测试数据的最终的预测结果。本发明增加了3维数据的信息利用，并通过3维卷积神经网络自适应的融合了2维模型和3维模型的优点,提高了分割的准确率。
📄 2019110923792
📂 G06T7_10
👤 浙江工业大学
📅 2019-11-11
一种结合多个扫描仪数据的MRI重建网络的训练方法，充分利用来自于高分辨率扫描仪数据的细节信息对低分辨率扫描仪数据的补偿作用提升深度神经网络在目标扫描仪上的重建性能；首先按照分辨率大小对辅助扫描仪和目标扫描仪进行排序；其次在训练过程的每个批次中，按照分辨率从大到小的策略依次使用来自于不同扫描仪的数据所随机生成的批次数据训练网络；这一过程进行多轮迭代，直至训练轮数达到预设的最大值。本发明能够有效地将来自于不同厂商的分辨率不同的MRI数据组织起来训练网络，并能够有效地针对目标扫描仪进行训练。相对于仅使用单一的扫描仪数据或乱序的多扫描仪数据，本发明所提供的方法达到了更好的重构效果，具有很强的实用性。
📄 2022101248174
📂 G06N3_04
👤 浙江工业大学
📅 2022-02-10
本发明公开了一种基于多尺度生成对抗网络的低剂量CT肺部图像的同时超分辨率和去噪方法，包括：(1)收集高剂量CT肺部图像并退化成低剂量CT肺部图像，组成一个样本；(2)构建包含生成器和判别器的生成式对抗网络，其中，生成器包括依次连接的多尺度特征提取模块，卷积层、多个残差通道注意力模块、填充模块、残差模块以及上采样模块，判别器包括一系列的卷积层和BN模块；(3)利用样本训练所述生成式对抗网络优化网络参数，确定的网络参数与生成器组成超分辨率和去噪模型；(4)应用时，采集低剂量CT肺部图像，并输入至超分辨率和去噪模型中，经计算输出高剂量CT肺部图像。该方法提升了超分辨率成像质量和去噪效果。
📄 2020113232939
📂 G06T3_4053
👤 浙江工业大学
📅 2020-11-23
本发明公开了一种基于显著性图引导和不确定性语义增强的息肉分割方法。对待分割的医学图像，先通过主干编码子网络提取特征图和显著性图，将特征图通过二阶池化卷积注意力子网络，学习更高阶的特征表示以增强非线性建模能力，使用显著性图通过不确定性语义增强子网络引导特征图，即引导网络关注目标区域特征的学习，最后将显著性图经过上采样和激活函数得到医学图像最终预测分割结果。本发明试图通过对目标区域的显著性和不确定性计算，来引导网络关注目标区域特征的学习，同时对与边界信息高度相关的显著图进行不确定性区域增强，以进一步提升网络在多种复杂场景下的分割性能，增强网络的泛化能力和鲁棒性。
📄 2023104908448
📂 G06T7_00
👤 浙江工业大学
📅 2023-05-05
一种基于多尺度像素反重组网络的快速MRI重建方法，包括如下步骤：步骤1输入的欠采样的MRI图像xu；步骤2由多尺度像素反重组网络#imgabs0#得到重构后的MRI图像#imgabs1#图1给出了多尺度像素反重组网络fMS‑PU(·；Θ)的结构图。本发明充分利用欠采样MRI图像中的信息冗余性，基于像素反重组对欠采样的MRI图像进行不同尺度的压缩，能够有效降低输入的欠采样图像中的大量伪影对重构效果的影响，能够有效地提升MRI图像的重建速度和精度。
📄 2023114370624
📂 G06T7_00
👤 浙江工业大学
📅 2023-10-31
一种脑血管图谱构建方法，对MRA数据进行预处理和标注，在数据切分过程中通过算法筛选所需要的patch，输入到变型的U‑Net网络中进行训练与预测，得到预测结果的数据集通过配准转换到同一坐标系下，计算相似度，分配到对应的特征空间，构建出脑血管图谱，新的MRA血管样本数据只需要预处理后与图谱进行坐标转换即能自动分割出血管。本发明在数据切分是极大减少了计算量，提出了血管图谱的制作方法，解决了传统方法人为操作的主观性，实现了脑血管快速简单准确地自动分割。
📄 2020106562525
📂 G06T5_70
👤 浙江工业大学
📅 2020-07-09
本发明涉及数据处理技术领域，具体涉及一种肺部恶性肿瘤医学影像数据分类处理方法及系统，其中，肺部恶性肿瘤医学影像数据分类处理方法包括获取采集到的肺部医学影像数据进行预处理；基于预处理数据建立并训练肺部恶性肿瘤数据分类模型；获取待分类处理的医学影像数据，基于所述肺部恶性肿瘤数据分类模型，得到数据不确定性估计值；获取所述数据不确定性估计值基于三支决策理论比较，通过终端输出分类处理结果。通过对医学影像数据进行预处理、模型建立、处理、比较，得到分类结果，数据分类处理准确率高，有利于医生后续快速准确做出决策。
📄 2023106053798
📂 G06V10_764
👤 西南大学
📅 2023-05-26
本发明公开了注意力机制下对CTP进行特征融合的AIS病灶预测方法，主要涉及医学图像分割和计算机辅助医疗技术领域；包括步骤：S1、采集一定数量的AIS病人的多模态CTP和MRI图像；S2、获得训练集；S3、构建注意力机制下对CTP进行特征融合的AIS病灶预测模型；S4、将训练集输入注意力机制下对CTP进行特征融合的AIS病灶预测模型中进行训练，得到训练好的注意力机制下对CTP进行特征融合的AIS病灶预测模型；S5、将待分割预测的急性缺血性脑卒中的多模态CTP图像送入到训练好的预测模型中进行分割；本发明能够解决现有的基于CTP预测AIS病情时，自动化分割效果差，难以满足医学实际需求的问题。
📄 2023103212383
📂 G06T7_00
👤 西南大学
📅 2023-03-29
柿子坊 · 知识产权运营
柿子坊知识产权运营平台