一种基于非对称训练的病理组织图像亚型分类与注释方法

    公开(公告)号:CN117036782A

    公开(公告)日:2023-11-10

    申请号:CN202310883091.7

    申请日:2023-07-18

    Abstract: 本发明公开了一种基于非对称训练的病理组织图像亚型分类与注释方法,包括:获取待分类的病理组织图像数据,对待分类的病理组织图像数据进行预处理,得到新的数据集;构建基于CNN和Deep GCN的非对称协同训练框架深度学习模型,然后进行训练,得到分类效果最好的深度学习模型;Deep GCN采用残差/密集连接构建;将新的数据集输入到分类效果最好的深度学习模型中,输出病理组织图像的癌症亚型所属分类,得到病理数据的补丁图像所属癌症亚型分类结果。本发明能实现像素级和细胞级特征的综合利用,可提高多类组织病理学图像分类的性能和注释区域的可解释性,分类性能更高,可解释性更强,泛化性更好。

    一种面向动态视频中目标关键帧的自动定位方法

    公开(公告)号:CN116189043A

    公开(公告)日:2023-05-30

    申请号:CN202211714874.4

    申请日:2022-12-29

    Abstract: 本发明公开一种面向动态视频中目标关键帧的自动定位方法,包括以下步骤:将待预测的视频数据统一转化为固定大小的视频,得到数据集,将数据集通过训练后的目标关键帧自动定位深度学习模型,得到包含目标的视频数据的关键帧位置。本发明采用一种基于“检测—定位”的两阶段框架,可以较好的分析包含目标的视频帧之间的依赖关系,给出关键帧定位结果。该深度学习模型输入为裁剪后的原始视频数据,并且以整段视频作为输入,避免了信息的损失。本方法对不同的种类的视频数据具有良好的兼容性,网络同时考虑了目标的图像特征和时空位置特征,具有自动化程度高,准确率高的特点。

    一种基于双向连通的心电波形提取方法

    公开(公告)号:CN111466905A

    公开(公告)日:2020-07-31

    申请号:CN202010280351.8

    申请日:2020-04-10

    Abstract: 一种基于双向连通的心电波形提取方法,对心电图的图像沿导联方向纵向投影,确定各个导联的基线;对心电图的图像沿垂直导联方向横向投影,得到几个峰值,记录两个相邻峰值之间的区间;根据各个导联的基线位,计算导联与基线的交叉点,对于每一导联与基线有多个交叉点q,将第j导联与基线的多个交叉点q放入队列Qj中;遍历队列Qj中的交叉点q,选择满足约束的交叉点q作为p放入队列Pj中;复制一个与心电图相同的图像IM;以队列Pj中的每一个交叉点p为基础,计算双向连通图;对双向连通图进行采样,计算距离基线的相对像素值。本发明过程简洁,易于实现,对不同心电图像具有良好的适配性,同时误差更小。

    一种基于深度学习的心电信号自动分析方法

    公开(公告)号:CN111460951A

    公开(公告)日:2020-07-28

    申请号:CN202010219375.2

    申请日:2020-03-25

    Abstract: 一种基于深度学习的心电信号自动分析方法,根据从公开数据集下载已经标注的心电数据,将心电数据进行处理,得到数据集,将数据集分为训练集、验证集和测试集;按照DLA结构,构建深度学习模型,训练得到训练好的深度学习模型;调整超参数,选取在验证集和测试集上分类效果最好的模型;对于待分类的12导联的心电数据,经过处理得到数据集,将数据集的数据输入到分类效果最好的模型中,得出心电数据的心电信号所属分类。本发明通过一维卷积提取低层次的波形结构特征,并将较浅和较深的层聚合起来,获取心电信号的空间及语义特征,既完成了形态分析,又得到了形态间的相互关联,可以应用于心电图片或者一维时间序列心电图的分类。

Patent Agency Ranking