公开(公告)号：CN115797269A

公开(公告)日：2023-03-14

申请号：CN202211429322.9

申请日：2022-11-15

Applicant: 东南大学

Inventor： 陈平圣 ,  胡秀秀 ,  杨金月 ,  夏思宇

IPC: G06T7/00 ,  G06T7/10

Abstract: 本发明公开了一种膜性肾病电子致密物图像的分割方法，属于模式识别领域。该方法包括：收集膜性肾病病理图像来构建膜性肾病电镜图像的分割数据集，对分割数据集进行数据增强；建立基于多尺度注意力的卷积神经网络模型；卷积神经网络模型以膜性肾病病理图像为输入进行分割，以膜性肾病病理图像对应的预测图为输出；卷积神经网络模型基于注意力机制对膜性肾病病理图像的分割图进行筛选；使用分割数据集训练卷积神经网络模型的参数；本发明通过多尺度注意力卷积神经网络能够实现自动、准确地对膜性肾病的电镜图像中的致密物进行分割。

公开(公告)号：CN117408954A

公开(公告)日：2024-01-16

申请号：CN202311300276.7

申请日：2023-10-09

Applicant: 东南大学

Inventor： 陈平圣 ,  胡秀秀 ,  夏思宇 ,  唐珂

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G16H70/60

Abstract: 本发明公开了一种基于深度学习的肾纤维化分级方法、电子设备及存储介质，属于图像处理领域，该方法包括：将待分级的肾穿刺活检标本制作标本后扫描得到全玻片数字图像，并分割为多个全玻片局部切片数字图像；将全玻片局部切片数字图像输入至预先训练好的分级模型中，得到待分级的肾穿刺活检标本的肾纤维化分级结果，其中，分级模型为两阶段弱监督学习框架，在第一阶段用于筛选出多个与全玻片数字图像强相关的全玻片局部切片数字图像，在第二阶段用于将强相关的多个全玻片局部切片数字图像拼接为一张数字图像并送入深度学习卷积分类网络进行决策聚合，由此，将人工智能技术、图像处理技术应用到临床医学诊断中，解决了人工分级不准确的问题。