-
Patent Agency Ranking
公开(公告)号：CN115222752A
公开(公告)日：2022-10-21
申请号：CN202211138097.3
申请日：2022-09-19
Applicant: 之江实验室
IPC: G06T7/11 , G06T7/00 , A61B6/00 , G06T7/90 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于特征解耦的病理图像特征提取器训练方法及装置，该训练方法通过构建特征解耦网络，同时设置六个子损失函数对网络进行约束训练，其中特征解耦网络包含多个生成对抗网络，可以将病理图像解耦分解成颜色信息特征和组织结构信息特征，在保留纯净无杂质的组织结构信息的同时消除人为造成的染色差异对网络性能的负面影响。设置的损失函数最大程度的保证颜色编码器和组织结构编码器特征提取的针对性。训练获得的特征提取器可以覆盖不同病理图像的多个颜色域并引入不同域的颜色变化，适应来自不同中心的病理图像，具有更高的泛化性能。
-
公开(公告)号：CN115761379A
公开(公告)日：2023-03-07
申请号：CN202211578025.0
申请日：2022-12-06
Applicant: 之江实验室
IPC: G06V10/764 , G06N3/08 , G06N3/0464
Abstract: 本申请涉及一种用于病理图像的分类方法、装置、设备和存储介质。方法包括：对待检测的全视野数字病理图像进行处理，得到降采样图像块；构建蒸馏与对抗网络，对蒸馏与对抗网络进行训练，从训练后的蒸馏与对抗网络中提取到分类子网络；将降采样图像块导入分类子网络中进行分类，得到初始分类结果；基于初始分类结果得到对应待检测的全视野数字病理图像的分类结果。采用本方法能够通过将小数据量的降采样图像块输入轻量的分类子网络对相应的病理图像进行快速、高效的分类。
-
公开(公告)号：CN115222752B
公开(公告)日：2023-01-24
申请号：CN202211138097.3
申请日：2022-09-19
Applicant: 之江实验室
IPC: G06T7/11 , G06T7/00 , A61B6/00 , G06T7/90 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于特征解耦的病理图像特征提取器训练方法及装置，该训练方法通过构建特征解耦网络，同时设置六个子损失函数对网络进行约束训练，其中特征解耦网络包含多个生成对抗网络，可以将病理图像解耦分解成颜色信息特征和组织结构信息特征，在保留纯净无杂质的组织结构信息的同时消除人为造成的染色差异对网络性能的负面影响。设置的损失函数最大程度的保证颜色编码器和组织结构编码器特征提取的针对性。训练获得的特征提取器可以覆盖不同病理图像的多个颜色域并引入不同域的颜色变化，适应来自不同中心的病理图像，具有更高的泛化性能。
-
公开(公告)号：CN115082743B
公开(公告)日：2022-12-06
申请号：CN202210980903.5
申请日：2022-08-16
Applicant: 之江实验室
Abstract: 本发明公开了一种考虑肿瘤微环境的全视野数字病理图像分类系统及构建方法，该方法首先进行全视野数字病理图像的特征提取，随后构建了由肿瘤微环境感知模块、深度门控注意力模块、相似度感知注意力模块和分类层组成的多示例分类网络，实现了对全视野数字病理图像的分类和病灶检测。其中肿瘤微环境感知模块可以建模肿瘤微环境中的拓扑结构信息，使网络学习到的特征具有更高的鲁棒性；深度门控注意力模块和相似度感知模块相结合可以更加准确地赋予每个图像块对应的权重以实现对病灶区域更加精准的检测。还设计了图像增广方法的自监督对比学习任务，减少全视野数字病理图像因染色、成像等因素产生的颜色差异对网络产生影响，且训练过程无需任何标签。
-
公开(公告)号：CN115082743A
公开(公告)日：2022-09-20
申请号：CN202210980903.5
申请日：2022-08-16
Applicant: 之江实验室
Abstract: 本发明公开了一种考虑肿瘤微环境的全视野数字病理图像分类系统及构建方法，该方法首先进行全视野数字病理图像的特征提取，随后构建了由肿瘤微环境感知模块、深度门控注意力模块、相似度感知注意力模块和分类层组成的多示例分类网络，实现了对全视野数字病理图像的分类和病灶检测。其中肿瘤微环境感知模块可以建模肿瘤微环境中的拓扑结构信息，使网络学习到的特征具有更高的鲁棒性；深度门控注意力模块和相似度感知模块相结合可以更加准确地赋予每个图像块对应的权重以实现对病灶区域更加精准的检测。还设计了图像增广方法的自监督对比学习任务，减少全视野数字病理图像因染色、成像等因素产生的颜色差异对网络产生影响，且训练过程无需任何标签。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
