-
公开(公告)号：CN111415352B
公开(公告)日：2023-07-28
申请号：CN202010257244.3
申请日：2020-04-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于深度级联网络的癌转移全景病理切片分析方法，其特征在于，利用由粗分割神经网络和精分割神经网络组成的级联网络完成对癌转移全景病理切片的分析，获得切片阳性类的概率热值图。本发明方法，可完成对癌转移区域的精确检测和定位，辅助医生综合患者所有淋巴结的恶性程度进行定量评估，为诊断的一致性提供支持依据，目标是减少漏诊、误诊，并降低过度治疗和治疗不当的发生概率，最终辅助医生制定最优的临床治疗方案，对于临床医生和患者均具有重要的意义。
-
公开(公告)号：CN112990214A
公开(公告)日：2021-06-18
申请号：CN202110195183.7
申请日：2021-02-20
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种医学图像特征识别预测模型，步骤如下：构建基于深度卷积神经网络的多组织分割模型，从样本库中获取数据并提取图像特征，通过基于金字塔上采样获得图像分割结果，将不同组织区域之间分割开；构建基于深度卷积神经网络的细胞检测模型，首先放大倍数进行取块，然后对取出来的小块的图像进行标准化；送入到回归检测模块中去对每一个小块中的图像进行检测，然后对检测出来的细胞级联深度分类网络来得到感兴趣目标；构建可视化亚视觉模块，使用特征选择方法与交叉验证结合的方法对所有不同组织区域与感兴趣对象中的特征进行选择最具有预测能力的特征。本发明对病理图像进行多组织分割并对细胞精确识别，通过亚视觉特征辅助医生阅片。
-
公开(公告)号：CN107665492B
公开(公告)日：2020-11-10
申请号：CN201710516329.7
申请日：2017-06-29
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于深度网络的结直肠全景数字病理图像组织分割方法，包括以下步骤：（1）获取结直肠全景数字病理图片：（2）将结直肠的全景数字图像分割；（3）训练样本图像的建立；（4）提取不同类别的组织深度特征；（5）利用分类器和提取的组织深度特征对分割图像中的组织进行类别的判别；（6）将步图像分类结果拼接，判别出整张图片的组织分类；（7）按照分块坐标将图像进行拼接在一起；本发明对结直肠全景数字病理图像进行分割，利用滑动窗口和训练的模型对所有分割图像依次标记组织类型，同时，利用分类器和提取的组织深度特征对组织进行类别的判别，得到图像分类结果，分类准确，分类速度快。
-
公开(公告)号：CN109785310A
公开(公告)日：2019-05-21
申请号：CN201910027983.0
申请日：2019-01-11
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于乳腺淋巴结全景图像计算的自动分期系统，属于医学图像信息处理技术领域。根据标注的淋巴结癌转移区域，建立深度卷积网络所需两种正负样本，通过训练深度卷积网络，得出分类正负样本所需要的模型，再将图像组织区域内的每个块送入模型得出其所在位置发生癌转移的概率，建立起概率热值图；然后按淋巴结癌转移的分割区域提取病理组学特征，训练随机森林分类器，构建淋巴结转移状态的自动分类模型，综合同一患者多张淋巴结癌转移的状态构建分期系统。可有效解决依靠病理专家凭经验检判断乳腺癌分期时耗时、费力、误差较高等问题。
-
公开(公告)号：CN107169028A
公开(公告)日：2017-09-15
申请号：CN201710239183.6
申请日：2017-04-13
Applicant: 南京信息工程大学
IPC: G06F17/30
CPC classification number: G06F16/951 , G06F16/583
Abstract: 本发明涉及通信技术领域，尤其涉及一种海报搜索方法及用户终端。所述海报搜索方法，包括如下步骤：通过用户终端获取海报图像；使用深度卷积神经网络算法对所述海报图像进行特征提取；将提取的特征上传至网络服务器；从所述网络服务器中选择与所述特征匹配的目标信息，并将所述目标信息传输至所述用户终端；于所述用户终端的显示界面显示所述目标信息。本发明提供的海报搜索方法及用户终端，通过获取海报图像信息，即可将与该海报对应的电影相关信息反馈给用户，极大的简化了用户查询海报相关信息的操作，提高了用户体验。
-
Patent Agency Ranking
公开(公告)号：CN105931226A
公开(公告)日：2016-09-07
申请号：CN201610231931.1
申请日：2016-04-14
Applicant: 南京信息工程大学
IPC: G06T7/00
CPC classification number: G06T7/0012 , G06T2207/20081 , G06T2207/30024 , G06T2207/30096
Abstract: 本发明公开了基于深度学习的自适应椭圆拟合细胞自动检测分割方法，首先运用深度学习方法检测出病理图像中的细胞，然后运用主动轮廓模型找到精确的细胞轮廓，最后使用自适应椭圆拟合技术将重叠的细胞轮廓分割出来。本发明以大幅切片图为研究对象，采用深度学习加滑动窗口的方法，能准确找到图像中细胞的位置，主动轮廓结合自适应椭圆拟合对分割重叠细胞具有明显的效果。本发明提出的细胞自动检测分割方法能辅助临床医生对数字病理学切片中细胞进行量化评估，准确快速的进行临床诊断，减少不同观察者或同一个观察者在不同时间段间的诊断差异性。相对于现有的细胞检测分割方法，本发明无论是从准确率还是从可实行效果上来看，具有明显的优势。
-
-
公开(公告)号：CN117911427A
公开(公告)日：2024-04-19
申请号：CN202410079541.1
申请日：2024-01-19
Applicant: 南京信息工程大学
IPC: G06T7/10 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种Transformer医学图像分割方法、系统、计算机设备及存储介质，包括：搭建图像分割模型；采用训练集对搭建的图像分割模型进行训练，得到医学图像分割模型；将待分割的医学图像输入至医学图像分割模型中，得到分割结果；搭建的分割模型包括：卷积层、第一全连接层、编码器、解码器和第二全连接层；在进行图像分割模型时，先将RFF_LSWD模块接入编码器的输出端，采用训练集对已接入RFF_LSWD模块的分割模型进行训练，通过最小化损失函数，得到医学图像分割模型。
-
-
公开(公告)号：CN111553369B
公开(公告)日：2023-04-18
申请号：CN202010405761.0
申请日：2020-05-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种前列腺癌穿刺病理图像的格里森自动分级方法，包括：在数字化的前列腺癌穿刺组织病理图像上手动标记格里森3级和4级组织区域；提取图像块，并对提取的图像块进行图像预处理后，提取图像块的H通道；计算同源性分布，包括细胞核的连通区域变化分布b0、细胞核构成的空洞变化分布b1以及两者的比率b，并采用七种统计描述方法表示计算得到的同源性分布，得到21维的统计特征集；构建k近邻分类器，采用10折交叉验证方法训练基于权重的k近邻模型；使用训练好的k近邻分类器自动预测格里森分级。本发明能够减少病理医生人工诊断的体力、精力和时间成本投入，同时量化分析诊断结果，极大降低了不同病理医生诊断的差异性。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.036 seconds)
