本发明涉及医学图像处理技术领域,具体是一种基于动态集成结构感知3DU‑Net的淋巴管分割方法,包括训练阶段和使用阶段两部分;训练阶段包括多个3D‑UNet模型的构建、训练和优化,其中每个3D‑UNet模型采用不同的初始化和超参数设置,确保模型具有多样性和差异性。使用阶段则包括集成多个3D‑UNet模型的预测结果,通过动态权重集成策略提高分割精度和鲁棒性。最终,采用后处理技术对集成结果进行优化,确保分割结果的准确性和稳定性。本方法通过动态集成多个3D‑UNet模型,结合结构感知模块和多尺度特征融合策略,显著提升了淋巴管分割的精度和鲁棒性,为临床诊断和治疗提供了更可靠的影像数据支持。
📄 202510511613X
📂 G06T7_12
👤 江南大学附属医院, 江南大学
📅 2025-04-23
本发明涉及图像分割技术领域,尤其是指一种分数阶的低对比度图像分割方法及系统,所述方法包括:获取待检测图像的图像表征信息;计算所述图像表征信息的保真度、L2正则化项和分数阶正则化项,根据所述保真度、所述L2正则化项和所述分数阶正则化项,构建能量泛函模型;以最小化所述能量泛函模型为目标,对所述能量泛函模型进行数值求解,得到平滑近似图像;对所述平滑近似图像进行聚类分割,得到所述待检测图像的目标边界。本发明在图像分割领域具有显著的优势,为低对比度图像的精确分割提供了新的解决方案。
📄 2025100298663
📂 G06T7_12
👤 江南大学
📅 2025-01-08
本发明涉及图像分割技术领域,尤其是指一种基于p范数的距离正则化的水平集的图像分割方法,所述方法包括:S1:获取目标图像,提供水平集函数;S2:利用Lp范数构建外部数据保真度的区域能量泛函,以及利用势函数构建基于所述水平集函数的正则化能量泛函;S3:基于所述区域能量泛函和所述正则化能量泛函,构建总能量泛函模型;S4:利用变分法和梯度下降流构建所述总能量泛函模型的欧拉‑拉格朗日方程;S5:利用交替方向乘子算法求解所述欧拉‑拉格朗日方程,得到最终水平集函数,以得到目标图像的边界。本发明适用于例如医学影像分割、自然场景分割等不同类型的图像分割任务,并且具有较高的分割精度。
📄 2025100158742
📂 G06T7_12
👤 江南大学
📅 2025-01-06
本发明公开了一种基于全局预拟合能量驱动的主动轮廓模型方法及系统包括,输入初始待分割图像并初始化图像中的各参数,使用高斯滤波对图像进行光滑处理;通过拉普拉斯算子,得到图像的二阶梯度信息;使用能量泛函函数增强图像的二阶梯度信息;利用主动轮廓模型对图像进行分割,将图像分割问题转换为求解全局预拟合函数最小值问题,并进行迭代;根据迭代后产生的全局预拟合函数最小值矩阵,绘制矩阵强度为0处的等高线得到分割线,叠加初始待分割图像;本发明通过构建的全局预拟合能量驱动函数对图像进行快速分割,利用能量泛函函数对拉普拉斯算子的边缘检测能力进行了优化,结合自适应的边界指示函数,提高了图像的分割成功率,减少了迭代时间。
📄 2023107189117
📂 G06T7_12
👤 江南大学
📅 2023-06-16
一种基于非对称网络的超声甲状腺结节分割方法,属于深度学习图像分割领域。编码层是一个U‑Net网络,可以获取更多的上下文语义的特征信息,能都准确检测尺度、形状和位置等多变的甲状腺结节,解码层使用空洞卷积,残差连接和卷积核分解的组合,可以将高维全局上下文语义特征信息逐步还原细节纹理及边缘信息。本发明构造的模型在甲状腺数据集上达到了与高精度模型类似的分割精度,IOU比U‑Net模型高2%左右,且平均分割一张图片的时间为1.9s左右,比医生手动分割效率得到了大大的提升。解决了传统方法中干扰因素过多和图像边缘信息丢失严重的问题,具有较好的准确性和泛化能力。
📄 202011448794X
📂 G06T7_12
👤 江南大学, 无锡市人民医院
📅 2020-12-11
本发明公开了一种基于并行编码结构的多尺度交叉超声医学图像分割方法,称为MSC‑LSAM。属于医学图像处理技术领域,本发明包括在并行了UNet编码器和冻结的分割一切模型视觉编码器,并冻结的分割一切模型视觉编码器中加入高效的适配器块,使得分割一切模型视觉编码器在保持较低参数量的同时,保留学习能力;此外,本发明在UNet全局网络引入多尺度交叉注意力,实现多尺度特征的交叉融合,有效提升边缘分割能力,抑制过拟合;在并行编码器特征拼接之后,加入高效通道注意力特征融合块,实现并行编码器多尺度特征的高效融合。MSC‑LSAM网络能在保证训练精度同时保持较低的运算量。
📄 2024119140286
📂 G06T7_12
👤 南通大学
📅 2024-12-24
本发明涉及一种基于边界引导注意力的编解码器医学图像分割系统及方法,属于医学图像处理技术领域。本发明包括编码器、解码器、特征增强模块和边界引导注意力模块。医学图像输入编码器中得到不同尺度的特征,并输出至解码器;解码器根据特征完成医学图像分割;在编码器的不同尺度特征输出之后还连接有特征增强模块,用于增强编码器的语义特征,组合不同感受野的语义信息,编码器的特征输出经过特征增强模块后再进入解码器;边界引导注意力模块设置在解码器中相邻的decoder模块之间,用于强化医学图像的边界信息。本发明在泛化能力和鲁棒性上表现优秀,获得的医学图像分割结果边界清晰,小目标明显。
📄 2023105016039
📂 G06T7_12
👤 重庆邮电大学
📅 2023-05-06
本发明公开了一种区域内的直线定位拟合方法及应用,包括以下步骤:1)利用区域内物体边缘的明暗及方位特征,通过方向梯度提取得到二值化特征图;2)在梯度图中根据物体需定位边缘的走向做快速的直线搜索;3)用聚类算法对直线做进一步的剔除处理,对剔除后的直线做小范围的直线点搜索;4)对搜索出来的直线点做拟合,得到最终的拟合直线;该区域内的直线定位拟合方法及应用可以在指定区域内的物体类边缘做快速直线定位。
📄 2019105947636
📂 G06T7_12
👤 广州微林软件有限公司
📅 2019-07-03
本发明涉及一种基于真彩色卫星云图与图像处理的云层分割方法,包括:获取色彩均衡化卫星云图,获取灰度平均值得到云层颜色特征值;计算卫星云图边缘特征值,将两个特征融合后得到颜色增强特征值;灰度化卫星云图,建立灰度共生矩阵得到纹理特征值;融合纹理特征得到纹理融合特征;融合颜色增强特征和纹理融合特征,得到多特征融合特征值;通过多特征融合特征值建立多特征融合特征矩阵;将多特征融合特征矩阵与真彩色卫星云图输入神经网络训练,得到分割后的卫星云图。通过本发明提出的方法,将云图中颜色、边缘轮廓、纹理等特征融合进行分析,更好的反映出云层各个区域的性质,对厚云层、薄云层及云层边缘都具有很好的分割效果。
📄 2021111843909
📂 G06T7_12
👤 江苏维沛通信科技发展有限公司
📅 2021-10-12
已申报项目
本申请公开了一种图像的风格转换方法、装置、电子设备及存储介质,涉及人工智能技术领域,具体为计算机视觉和深度学习技术领域。具体实现方案为:检测待处理的图像中是否包括人脸;若包括,采用预训练的人脸风格转换模型和预设的风格图,对待处理的图像中的人脸区域进行风格转换,使得风格转换后的人脸区域仅携带风格图中的颜色信息,而不包括风格图中的纹理信息;采用预训练的图像风格转换模型和预设的风格图,对待处理的图像中的人脸区域之外的其他区域进行风格转换。本申请的方案,能够在待处理的图像中包括人脸的时候,对人脸区域和其他区域进行不同的风格转换,能够有效地保证人脸区域的清晰度,提高图像风格转换的质量。
📄 2020110233554
📂 G06T7_12
👤 北京百度网讯科技有限公司
📅 2020-09-25
本发明提出了一种分割细胞板图像中试管孔的方法。首先读入细胞板的灰度图,将灰度图依照两个自定义核进行图像膨胀来弱化图像噪声,将膨胀后的图像进行反二进制阈值化处理,然后将二值化处理后的两个图像进行交运算,再使用开运算去除图像白噪声,接着使用按边界跟随的拓扑结构分析方法提取图像中的轮廓,以此输出细胞板中的试管孔轮廓。但是此时获取的轮廓中会存在部分噪声,在此基础上提取轮廓内最小环闭圆型数据,再以圆半径为基础去除半径较大或者较小的圆,再去除两两有交集的圆的异常数据,最终输出目标细胞库数据集合。该方法可以更快速精准的单机本地分割试管孔,便于使用人员直接通过图像识别查看各个试管孔内细胞群培养状况。
📄 2021105570459
📂 G06T7_12
👤 杭州电子科技大学
📅 2021-05-21
本发明公开了一种基于深度神经网络的实时高分辨率人像抠图方法,包括获取训练数据集,并标注生成训练用groundtruth alpha matte;对训练数据集进行数据增强;分步阶段性训练网络模型;使用训练好的网络进行抠图。通过在网络构型中嵌入ConvLSTM模块,使用Max Pooling Indices,利用PRM进行高清细节优化,加入语义分割任务,打造出高精度实时人像抠图的核心技术,同时,创新了数据集和数据增强方法,采用阶段式训练,从简单到复杂,由粗糙到精细,强化了算法的训练效果,这三个方面的创新与应用相互作用,相互统一,全方位提升了算法的性能和实用性,为高精度实时人像抠图应用提供了强大的技术支持。
📄 2023108119234
📂 G06T7_12
👤 深圳市超元创世科技有限公司
📅 2023-07-04