公开(公告)号：CN115588055A

公开(公告)日：2023-01-10

申请号：CN202211249488.2

申请日：2022-10-12

Applicant: 中南大学

Inventor： 喻罡 ,  高燕华 ,  孙凯 ,  白冰倩

IPC: G06T7/90 ,  G06T3/00 ,  G06V10/74 ,  G16H30/20 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种数字病理图像的色彩标准化方法及系统，该方法包括：从目标域获取彩色的数字病理图像；并校正数字病理图像的数字化色彩差异后作为参考图像；将参考图像进行色彩扩增以模拟不同染色差异，获得多张色彩扩增图像；建立参考图像与对应的多张色彩扩增图像的相似性图；将相似性图输入到去染色模型中，消除染色带来的色彩信息，输出保留和人体组织、细胞结构以及形态分布相关信息的多张色彩扩增图像对应的灰度特征图；将色彩扩增图像对应的灰度特征图输入虚拟染色网络模型，为色彩扩增图像的灰度特征图做虚拟上色，输出上色色彩和参考图像色彩具有相似性的、经色彩标准化后的彩色图像。本发明是不需要利用源域图像的色彩标准化方法。

公开(公告)号：CN115147769A

公开(公告)日：2022-10-04

申请号：CN202210904937.6

申请日：2022-07-29

Applicant: 中南大学

Inventor： 喻罡 ,  肖嘉莹 ,  孙凯 ,  白冰倩

IPC: G06V20/40 ,  G06V40/16 ,  G06V10/25 ,  G06V10/26 ,  G06V10/74 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  A61B5/0205

Abstract: 本发明公开了一种基于红外视频的生理参数鲁棒性检测方法，运用图像配准从待检测对象的各个时序图像帧中建立稳定的时序图像帧序列。从稳定的时序图像帧序列抽取感兴趣区域内各个像素点的像素数据，构建感兴趣区域内各个像素点的时序像素序列；对于每一个像素点的时序像素序列，将时序像素序列分割成若干个长度为m的子集，每个子集同一位置像素数据处于生理周期的同一时序。将所有子集中位于相同位置的像素数据进行平均处理，得到像素点的高信噪比的时间序列数据；将感兴趣区域内所有像素点时间序列数据输入至基于深度学习的生理参数预测模型，得到待检测对象的生理参数。本发明通过相似性测量以及时间序列切割平均方法，能提高检测的精确度。

公开(公告)号：CN114898846A

公开(公告)日：2022-08-12

申请号：CN202210524436.5

申请日：2022-05-13

Applicant: 中南大学

Inventor： 喻罡 ,  高燕华 ,  孙凯 ,  杨芫晴 ,  刘闰香 ,  白冰倩

IPC: G16H30/20 ,  G16H30/40 ,  G06T3/40

Abstract: 本发明公开了基于低分辨率成像的数字病理系统，通过扫描病理切片，快速获取低分辨率病理图片，再将病理图像以低分辨率的方式进行存储，在使用时再采用超分辨率图像处理技术构建高分辨率图像，能在保证图片质量的同时，减少图像存储所带来的资源消耗，并且针对使用频率不同的图像进行分类存储，将经常使用的高分辨率图像单独存储，能大大提高检索速度。

公开(公告)号：CN114898846B

公开(公告)日：2025-02-14

申请号：CN202210524436.5

申请日：2022-05-13

Applicant: 中南大学

Inventor： 喻罡 ,  高燕华 ,  孙凯 ,  杨芫晴 ,  刘闰香 ,  白冰倩

IPC: G16H30/20 ,  G16H30/40 ,  G06T3/4053 ,  G06T3/4038 ,  G06T3/4046

Abstract: 本发明公开了基于低分辨率成像的数字病理系统，通过扫描病理切片，快速获取低分辨率病理图片，再将病理图像以低分辨率的方式进行存储，在使用时再采用超分辨率图像处理技术构建高分辨率图像，能在保证图片质量的同时，减少图像存储所带来的资源消耗，并且针对使用频率不同的图像进行分类存储，将经常使用的高分辨率图像单独存储，能大大提高检索速度。

公开(公告)号：CN115496657A

公开(公告)日：2022-12-20

申请号：CN202211128185.5

申请日：2022-09-16

Applicant: 中南大学

Inventor： 喻罡 ,  高燕华 ,  孙凯 ,  白冰倩 ,  王宽松

IPC: G06T3/40 ,  G06T5/00 ,  G06T7/30 ,  G06T7/90

Abstract: 本申请提供了一种低分辨率成像的病理切片数字化方法及系统，该方法包括以下步骤：使用低分辨率和高分辨率成像系统分别对多分辨率定标模板成像，获取低分辨率及高分辨率图像；利用多分辨率定标模板提供的信息，构造高/低分辨率的病理组织的图像对；用多个高/低分辨率图像对以有监督的方式训练超分辨率图像重建算法，建立计算模型；运用低分辨率成像系统对病理切片成像，再利用计算模型，将低分辨率图像转换为高分辨率图像。通过低分辨率成像和计算模型转换，建立了基于低分辨率成像的数字化病理切片新技术，解决了当前高分辨率成像数字化切片的速度慢、局部失焦以及几何畸变的问题，节省了数字化时间，提高了图像质量。

公开(公告)号：CN119295412A

公开(公告)日：2025-01-10

申请号：CN202411419764.4

申请日：2024-10-12

Applicant: 中南大学

Inventor： 喻罡 ,  白冰倩 ,  周茂旭 ,  张明星 ,  王宽松 ,  邱彦宁 ,  杨海翔 ,  周静一 ,  黎建波

IPC: G06T7/00 ,  G06T7/60 ,  G06T7/11 ,  G06T7/73 ,  G06T11/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于病理图像重建的瘤细胞浸润深度预测方法及系统，包括：在病理全片图像上标注浅层区域和深层区域并构建空间关系图；利用浅层区域\深层区域和空间关系图训练图像分割模型和空间关系提取模型；通过图像分割模型得到浅层病理图像和深层病理图像，并通过空间关系提取模型提取浅层病理图像空间关系图；将浅层病理图像和浅层病理图像空间关系图作为输入、深层病理图像作为输出训练得到训练好的信息重建模型；将浅层病理图像输入训练好的空间关系提取模型获得浅层病理图像空间关系图；将浅层病理图像和浅层病理图像的空间关系图输入训练好的信息重建模型中得到深层病理图像，并基于深层病理图像对瘤细胞浸润深度进行预测。