-
Patent Agency Ranking
公开(公告)号：CN111310611A
公开(公告)日：2020-06-19
申请号：CN202010075316.2
申请日：2020-01-22
Applicant: 上海交通大学
Abstract: 本发明提供细胞视野图的检测方法及存储介质，所述细胞视野图的检测方法包括获取步骤、训练步骤以及分类步骤。将使用了端到端的检测网络和分类网络组合的级联网络进行训练，将检测网络的反映的视野图级别的异常的特征信息整合到分类网络当中，避免该信息的流失。两个网络同时训练，使得检测网络和分类网络相互监督，互相促进，保证分类精度的同时降低了异常区域的检出假阳性。
-
公开(公告)号：CN116052849A
公开(公告)日：2023-05-02
申请号：CN202211674570.X
申请日：2022-12-26
Applicant: 上海交通大学
Abstract: 本发明涉及一种模拟TBI脑图像的制备方法，该方法通过大量的训练样本完成对形变生成器，病灶生成器以及多尺度判别器的机器学习训练，在输入的正常脑图像上叠加形变场及该强度场，完成对TBI脑图像中的形变、血肿、占位等因素的模拟，实现将一张正常的脑图像转化为与真实的TBI脑图像相似度极高的模拟TBI脑图像。本发明的优点在于，用模拟的TBI脑图像代替真实的TBI脑图像，解决真实的TBI脑图像训练样本缺乏的问题，通过对训练样本脑区域的自动标注，降低了人工标注成本且模拟的TBI脑图像与真实的TBI脑图像相似度极高，质量过关。
-
公开(公告)号：CN112669331B
公开(公告)日：2023-04-18
申请号：CN202011568270.4
申请日：2020-12-25
Applicant: 上海交通大学
Abstract: 本发明提供一种目标数据迁移迭代学习方法及目标数据迁移迭代学习系统。目标数据迁移迭代学习方法包括源视图及目标视图获取、源视图分割训练、目标视图识别分割标注、目标视图分割训练、目标视图分割标注更新、第一卷积神经网络模型迭代训练以及第二卷积神经网络模型迭代训练等步骤。本发明实现了从单视图分割标签得到多视图分割标签的迁移，并且采用相互交替学习的方式，进一步提升了分割标签的准确性，可以使分割结果更加连续和光滑。
-
公开(公告)号：CN112669331A
公开(公告)日：2021-04-16
申请号：CN202011568270.4
申请日：2020-12-25
Applicant: 上海交通大学
Abstract: 本发明提供一种目标数据迁移迭代学习方法及目标数据迁移迭代学习系统。目标数据迁移迭代学习方法包括源视图及目标视图获取、源视图分割训练、目标视图识别分割标注、目标视图分割训练、目标视图分割标注更新、第一卷积神经网络模型迭代训练以及第二卷积神经网络模型迭代训练等步骤。本发明实现了从单视图分割标签得到多视图分割标签的迁移，并且采用相互交替学习的方式，进一步提升了分割标签的准确性，可以使分割结果更加连续和光滑。
-
公开(公告)号：CN111291667A
公开(公告)日：2020-06-16
申请号：CN202010075129.4
申请日：2020-01-22
Applicant: 上海交通大学
Abstract: 本发明提供了一种细胞视野图的异常检测方法及存储介质，所述细胞视野图的异常检测方法包括获取步骤、叠加步骤、模型学习步骤以及迭代步骤。本发明针对单张的细胞视野图，利用特征网络生成的标记框的先验信息。在标记框内的信息是影响整个细胞视野图分类判断的依据。结合标记框的信息，对细胞视野图进行分类。本发明将先验信息作为除了图像本身的额外输入，将原先的图像三通道输入叠加成四通道的输入。输入到分类模型里面。输出图像的分类结果，并且产生对应的注意力图，以此达到训练模型，完成分类任务并且优化检测的结果。
-
-
-
-
Search Results
15
records
(took 0.019 seconds)
