• <form id="tsg3z"></form>

    <thead id="tsg3z"></thead>
      <abbr id="tsg3z"><table id="tsg3z"><nav id="tsg3z"></nav></table></abbr>

    1. 男女性杂交内射女bbwxz,亚洲欧美人成电影在线观看,中文字幕国产日韩精品,欧美另类精品xxxx人妖,欧美日韩精品一区二区三区高清视频,日本第一区二区三区视频,国产亚洲精品中文字幕,gogo无码大胆啪啪艺术
      Document
      拖動滑塊完成拼圖
      個人中心

      預訂訂單
      服務訂單
      發布專利 發布成果 人才入駐 發布商標 發布需求

      在線咨詢

      聯系我們

      龍圖騰公眾號
      首頁 專利交易 IP管家助手 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 需求市場 關于龍圖騰
       /  免費注冊
      到頂部 到底部
      清空 搜索
      當前位置 : 首頁 > 專利喜報 > 北京大學朱磊獲國家專利權

      北京大學朱磊獲國家專利權

      買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

      龍圖騰網獲悉北京大學申請的專利一種光學相干斷層掃描脈絡膜血管分層造影方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN115810004B

      龍圖騰網通過國家知識產權局官網在2025-08-15發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202211646502.2,技術領域涉及:G06T7/00;該發明授權一種光學相干斷層掃描脈絡膜血管分層造影方法是由朱磊;盧閆曄設計研發完成,并于2022-12-21向國家知識產權局提交的專利申請。

      一種光學相干斷層掃描脈絡膜血管分層造影方法在說明書摘要公布了:本發明提供一種光學相干斷層掃描脈絡膜血管分層造影方法,屬于醫學成像及圖像處理技術領域。本發明基于域自適應及半監督圖像分割,通過一種新型的集成域判別器識別源域與集成目標域的域特征,并對分割模型進行對抗訓練,同時依托于一種新型的混淆域樣本篩選器對偽標簽進行篩選,以減小域差異帶來的標簽噪聲,進而采用篩選過后的低質OCT樣本對分割模型進行半監督訓練。本發明是一種非侵入的血管造影方法,不像依賴任何造影劑輔助,因此可以用于對脈絡膜血管的大規模分析及篩查。此外,本發明還可提供脈絡膜三維血管分布,因此可用于評估脈絡膜的子層結構及血管密度、血管指數等三維生物標注量的計算,并為脈絡膜相關疾病的分析研究提供更為有效的工具。

      本發明授權一種光學相干斷層掃描脈絡膜血管分層造影方法在權利要求書中公布了:1.一種光學相干斷層掃描脈絡膜血管分層造影方法,其特征在于,具體步驟包括: S1.圖像采集及數據標注; S1a.使用OCT影像采集設備對N個被試者的K個關鍵掃描位置進行OCT影像的采集,并構成源域數據集其中表示高質OCT斷層掃描中一幀的顏色強度; S1b.對高質OCT關鍵幀斷層影像集中的脈絡膜中血管層、脈絡膜大血層、脈絡膜中血管段、脈絡膜大血管段,進行逐像素精細標注并進行核對,并依此標注構建源域標簽集其中,表示Xi的脈絡膜子層標注結果,表示Xi的脈絡膜血管段標注結果; S1c.使用OCT影像采集設備對N個被試者進行幀數為M的快速密集掃描,并構成目標域數據集其中Xi表示OCT斷層掃描中一幀的顏色強度; S1d.根據所獲取的數據特性,對圖像進行一定的預處理; S2.構建用于脈絡膜分割的深度學習模型,模型構建的具體實現步驟為: S2a.搭建分割模型,記構建好的模型為f·,Θ為模型的參數組; S2b.搭建教師模型,教師模型的搭建與S2a中分割模型的搭建及細節完全相同;記構建好的教師模型為ft·,Θt為教師模型的參數組; S2c.搭建集成域判別器,記構建好的域判別模型為d·,Θd為域判別模型的參數組; S2d.學習模塊設置,根據S1b及S1c中收集的圖像數量及質量,選擇訓練中所需的參數更新算法; S2e.根據S2a,S2b及S2c中所構建的深度學習模型及其相關的學習模塊以及S3中的訓練流程,設置模型訓練所需的超參數; S3.利用S1中獲得的高質OCT影像數據集其對應標簽集以及無標簽低質OCT影像數據集訓練S2中構建出深度學習模型,具體實現步驟為: S3a.對S2a中分割模型的參數Θ進行初始化; S3b.對高質OCT圖像及其標簽集劃分數個批次,每一批數據表示為包含Ns張高質OCT圖像及其標注; S3c.對低質OCT圖像劃分數個批次,每一批數據表示為包含Nt張低質OCT圖像; S3d.以圖像集合分別作為監督訓練數據集及半監督數據訓練集,輸入S2中所構建的分割模型中,若輸入的圖像是則輸出圖像被表示為同理若輸入的圖像是則輸出圖像被表示為 S3e.以圖像對集合作為半監督訓練數據集,輸入S2中所構建的分割模型中,若輸入的圖像是則輸出圖像被表示為進而得到無標簽數據的偽標簽 S3f.將S3d中得到的源域樣本預測結果及S3e中得到的目標域教師預測結果Pi tt傳入至S2中構建的域判別模型中,得到源域及目標域的域評分,即并依據及Pi tt獲取鑒別性樣本掩模Mi; S3h.定義損失函數作為模型訓練中所使用的損失函數: 其中, S3i.利用S2d中選定的參數更新算法,依據計算結果更新分割模型參數Θ; S3j.利用分割模型參數的指數滑動平均更新教師模型參數Θt; S3k.定義作為域判別模型的損失函數: S3l.利用S2d中選定的參數更新算法,依據計算結果更新域判別模型參數Θd; S3m.重復S3c~S3l步驟,直至批損失收斂到穩定極小值,此時的模型參數狀態即為最終訓練好深度學習模型; S4.將用于測試的圖像逐幀輸入訓練好的深度學習模型中,得到其逐幀的脈絡膜血管分層造影結果。

      如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人北京大學,其通訊地址為:100871 北京市海淀區頤和園路5號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

      免責聲明
      1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
      2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
      主站蜘蛛池模板: 国产日韩综合av在线| 久久大香萑太香蕉av黄软件| 青草99在线免费观看| 97夜夜澡人人爽人人模人人喊| 国产精品视频白浆免费视频| 国产成人亚洲精品青草天美| 麻豆精品一区二区综合av| 日本一卡2卡3卡四卡精品网站| 成在人线av无码免费看网站直播| 亚洲成人av高清在线| 久久精品夜夜夜夜夜久久| 欧美人与动牲猛交A欧美精品| 亚洲无人区视频在线观看| 免费网站看V片在线毛| 91午夜福利在线观看精品| 亚洲伊人五月丁香激情| 亚洲美女少妇偷拍萌白酱| 国产免费一区二区不卡| 国产成人av一区二区三区不卡| 日韩精品中文字幕人妻| 少妇人妻偷人精品视蜜桃| 超碰伊人久久大香线蕉综合| 蜜桃一区二区三区免费看| www久久只有这里有精品| 激情五月日韩中文字幕| 内射无套内射国产精品视频| 国产成人A在线视频免费| 亚洲av永久无码天堂影院| 九九热视频在线观看一区| 伊人色综合一区二区三区影院视频| 国产亚洲精品久久久久久无亚洲| 久久午夜无码鲁丝片直播午夜精品| 国产桃色在线成免费视频| 亚洲国产精品日韩AV专区| 国产真正老熟女无套内射| 国产一卡2卡三卡4卡免费网站| 狠狠色婷婷久久综合频道日韩 | 国产日产免费高清欧美一区| 91久久精品美女高潮不断| 嫩草院一区二区乱码| 亚洲欧美中文日韩V日本|