本发明公开了一种基于SCUnet++神经网络的肺栓塞CT图像识别分割方法，包括如下步骤：S1、构建用于识别分割肺栓塞CT图像的SCUnet++神经网络模型；S2、建立肺栓塞CT图像数据集，并划分为训练集和测试集；S3、使用训练集对SCUnet++神经网络模型进行训练，结合肺栓塞CT图像特点，对SCUnet++神经网络模型参数调优，得到最终分割网络模型；S4、使用测试集测试评估得到的最终分割网络模型，通过最终分割网络模型实现自动、智能的肺栓塞CT图像识别分割功能。该方法能够实现自动、智能的肺栓塞CT图像识别分割功能，具有较高的分割准确率和效率。
📄 202310380776X
📂 G06T7_10
👤 杭州电子科技大学
📅 2023-04-11
本发明提出一种基于拓扑感知图网络的类别不均建筑立面点云分割方法，其具体包括：构建立面拓扑提取模块，捕捉立面元素间抽象的对象级拓扑特征；构建增强采样几何提取模块，提取立面元素间点级别的层次化几何特征；构建双特征注意力融合模块，对得到的两种不同粒度、不同类型的特征进行融合，实现两种特征的优势互补；这三个模块组合构成拓扑感知图网络；将输入数据集划分为训练集、验证集和测试集，训练好网络之后进行测试并评估结果。本发明提出的方法解决了现有技术无法有效提取建筑立面元素间的拓扑特征，并将其与几何特征有效融合的问题，能够实现类别不均建筑立面点云的有效分割。
📄 2025101498046
📂 G06T7_10
👤 南京信息工程大学
📅 2025-02-11
一种基于深度网络的视神经自动分割方法，使用具有NVIDIA GeForce系列显卡的操作平台，通过对标注数据进行预处理及深度网络训练等一系列操作，得出网络模型，能够对视神经结构进行预测分割。相比较于常用的人工标注和基于可变模型的分割方法，本发明可以更为快速地获得视神经分割数据，分割精度通过深度网络学习得到提高，能够为视神经分割过程提供精确、高效的方法，还能够为其他颅神经提供可重复分析的方法。
📄 2020113817675
📂 G06T7_10
👤 浙江工业大学
📅 2020-12-01
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
本发明公开了一种基于轻量级孪生网络的医学图像分割方法及装置，利用孪生网络的特点能够更好地对比生成的特征图，通过孪生网络和轻量级模块的结合来达到更好的轻量化效果，在特征图之间加入了一个差异模块，通过对两个特征图作差获取两个相邻切片的差异并用它监督训练，获得更好的边界效果；在编码最后加入了一个联系模块，通过参照其他切片对应位置的信息能更好指导当前切片的分割，减少假阳性，减少误差。
📄 2021109689575
📂 G06T7_10
👤 浙江工业大学
📅 2021-08-23
本发明公开了一种多人协同的交互式图像分割方法，包括：(1)多人对图像进行像素点标注；(2)合并不同人的标注像素集合；(3)初始化前景和背景的GMM模型；(4)构建图进行迭代分割。本发明基于多人协同标注，在不提高主观交互复杂度的情况下获取更加可靠的先验信息并加以充分利用，从而构建更加有效的颜色模型，实现准确、高效的交互式分割；同时，本发明可以利用网络进行分布式的协作分割，提高分割效率。
📄 2019107084852
📂 G06T7_10
👤 浙江工业大学
📅 2019-08-01
本发明公开了一种融合空间注意力和自注意变换网络的雷达分割方法，将原始点云采用实例注入的方法，获得实例增强后的点云数据，增强后的点云数据提取每个点的特征，每一个体素保留特征值最大的点作为体素的特征，将体素特征和体素坐标构建稀疏张量，通过融合稀疏空间注意力和Transformer的类unet网络提取体素特征。网络输出体素语义信息，并转化为点云的语义信息，输出语义分割结果。本发明提高了网络预测边缘类别的精度。
📄 202111204699X
📂 G06T7_10
👤 浙江工业大学
📅 2021-10-15
本发明公开了一种通过多路紧凑传输网络进行轮廓增强的道路分割方法，采用训练数据集训练构建的图像分割模型，所述图像分割模型包括编码器、上下文传输路径和解码器，编码器能够聚合各个阶段的内部信息，提取道路光谱特征，引入MPEM来克服编码器的不足。还提出了一种隐式引导DCFB，它通过短路径补偿轮廓特征的丢失，利用浅层信息的引导恢复遮挡区域。最后，NSB建立特征通道和特征空间关系进行噪声去除。通过这三个模块，网络弥补了语义传输的不足，进一步细化了道路轮廓特征，提高了道路分割结果的准确性。
📄 2021112047009
📂 G06T7_10
👤 浙江工业大学
📅 2021-10-15
一种基于大样本数据驱动的颅神经纤维自动分割方法，使用FreeSurfer工具进行脑区分割，应用基于球面反卷积(SD_STREAM)的确定性跟踪方法对原始DTI数据进行脑干和小脑部分的纤维跟踪，在多样本配准和聚类方法得到的颅神经纤维图谱基础上，对样本数据映射配准得到目标颅神经纤维束。相比较常用的手动绘制ROI和剔除错误纤维的方法，本发明排除人为操作引入的的主观性，同时保证纤维束成像确定性，减小数据误差，能够为颅神经纤维分割提供高效、精确、稳定、可重复的方法。
📄 2019106808077
📂 G06T7_10
👤 浙江工业大学
📅 2019-07-26
本发明公开了一种息肉影像语义分割方法及装置。该装置包括采集模块、分割模块和显示模块。使用方法为：采集模块采集肠镜视频，转换为图像帧。分割模块对转换后的图像进行预处理，去除反光的部分，然后输入由编码器、中间层、解码器组成的Ext‑HarDNet网络，抛弃图像的浅层特征，提取深层特征对应的注意力特征，经过特征融合后进行双线性采样。得到的分割结果由显示模块展示。本方法可以克服主流的去反光方法导致的图片压缩、模块问题，使用低流量的HarDNet框架构建主干网络，可以提高速度，满足实时性。中间层可以加强全局特征联系。解码器的融合方法可以提升有效感受野的比例。最终实现对息肉图像的精准、快速分割。
📄 2021109816903
📂 G06T7_10
👤 浙江工业大学
📅 2021-08-25
一种面向大尺度图像数据的残差语义网络训练方法，包括以下步骤：步骤1、基于全局训练策略的语义分割模型，过程为：步骤1.1下采样数据和标注；步骤1.2Unet模型训练；步骤1.3基于全局的语义分割模型；步骤2、融合全局模型特征并训练基于局部训练策略的语义分割模型，过程为：步骤2.1从原始尺寸的图像中裁切训练数据块；步骤2.2从训练好的全局模型中裁切全局特征块；步骤2.3基于局部语义分割模型的测试/运用。本发明在保证较高准确率的同时，极大地提高工作效率。
📄 2020100405959
📂 G06T7_10
👤 浙江工业大学
📅 2020-01-15
一种提高图像分割运行速率的方法，包括：步骤一，设计多尺度空洞卷积核；步骤二，设计通道卷积网络；步骤三，设计全卷积连接与反卷积网络；本发明通过反卷积和全卷积操作的网络能够适用于任意图像大小尺寸，且能够对图像的每一像素点进行语义分析，达到快速分割图像的目的，并且能够对图像特征进行快速精确的定位。
📄 2019105356424
📂 G06T7_10
👤 浙江工业大学
📅 2019-06-20
柿子坊 · 知识产权运营
柿子坊知识产权运营平台