-
公开(公告)号：CN110059568A
公开(公告)日：2019-07-26
申请号：CN201910216839.1
申请日：2019-03-21
Applicant: 中南大学
Abstract: 本发明公开了一种基于深层卷积神经网络的多类白细胞自动识别方法，属于使用深度学习的机器视觉方案对医学显微镜图像进行自动识别。本发明首先对多类白细胞的数据集做整理以及数据的增强操作，然后使用inception模块级联组成多尺度的特征融合的卷积神经网络模型，在级联组合时通过连续的squeeze操作和excitation操作建立特征通道间的相互依赖的关系，提升网络性能，提高白细胞分类的准确率。
-
公开(公告)号：CN109034045A
公开(公告)日：2018-12-18
申请号：CN201810802059.0
申请日：2018-07-20
Applicant: 中南大学
CPC classification number: G06K9/00147 , G06K9/6256 , G06N3/0454
Abstract: 本发明公开了一种基于卷积神经网络的白细胞自动识别方法，属于使用深度学习的机器视觉方案对医学显微镜图像进行自动识别。本发明首先人工对细胞数据集进行标记，做出一个标准的数据集，再使用迁移学习的方法，将VGG‑Net的模型和参数迁移到WBC‑Net卷积神经网络中，通过提取其中效果最好的特征层作为特征参数训练集成分类器，完成对白细胞的识别功能。
-
公开(公告)号：CN110033440A
公开(公告)日：2019-07-19
申请号：CN201910216840.4
申请日：2019-03-21
Applicant: 中南大学
Abstract: 本发明公开了一种基于卷积神经网络与特征融合的生物细胞计数方法，适用于在数量较多和杂质较多的生物细胞显微图像中实现细胞计数。包含以下步骤：对生物细胞显微图像数据集进行预处理，得到训练集和测试集；构建基于卷积神经网络与深浅层特征融合的生物细胞计数模型；训练卷积神经网络模型，利用预处理完成后的训练集和构建的卷积神经网络模型，通过传播算法和参数更新，得到优化后的模型权重参数；测试卷积神经网络模型，利用预处理完成后的测试集和得到的最优网络模型的权重参数，对模型进行测试，得到输出的生物细胞密度图以及细胞估计数量，并进行评价。本发明可以改善生物细胞的特征提取效果，提高细胞计数的准确率。
-
公开(公告)号：CN109166100A
公开(公告)日：2019-01-08
申请号：CN201810815218.0
申请日：2018-07-24
Applicant: 中南大学
Abstract: 本发明公开了一种基于卷积神经网络的多任务学习细胞计数方法，适用于在细胞比较密集且数量较大的生物细胞显微图像中进行细胞计数。包含以下步骤：对生物细胞图像数据集进行预处理，得到训练集和测试集；构建细胞计数的基于多列特征图融合和多任务学习的卷积神经网络模型；训练卷积神经网络模型，利用预处理完成后的训练集和构建的网络模型，通过传播算法和参数更新，得到优化后的模型权重参数；测试卷积神经网络模型，利用预处理完成后的的测试集和得到的最优网络模型的权重参数，对细胞图片进行测试，得到输出的细胞密度图以及细胞估计数量，并进行评价。本发明可以改善生物细胞计数的性能，提高准确率。
-
-
-
Search Results
4
records
(took 0.026 seconds)
