-
公开(公告)号：CN114283164B
公开(公告)日：2022-06-14
申请号：CN202210194828.X
申请日：2022-03-02
Abstract: 本发明公开了一种基于UNet3+的乳腺癌病理切片图像分割预测系统，具体步骤包括：基于大津算法与密铺算法生成图像块和对应真实标签；基于SeResNext搭建UNet3+的编码器；基于深度可分离卷积通过全尺度的跳跃连接实现UNet3+的解码器搭建；基于动态随机负样本抽样方法训练UNet3+神经网络；基于混叠密铺算法生成与病理切片等大的切片预测结果。本发明有效抑制了病理切片分割任务中的假阳性现象，在维持分割效果的前提下极大地降低了网络的参数量和计算量，完成癌变腺体和不成腺体肿瘤区域的像素级勾画。
-
公开(公告)号：CN114266794B
公开(公告)日：2022-06-10
申请号：CN202210183367.6
申请日：2022-02-28
Abstract: 本发明公开了一种基于全卷积神经网络的病理切片图像癌症区域分割系统，该系统的实现包括：提取病理切片图像中组织区域的掩码，去除空白背景；将组织区域与病理切片图像中标注的癌症区域结合，对全视野的病理切片图像切割获得训练样本数据；对样本数据进行扩充；构建以Resnet50为编码器的Unet分割网络，将第一级编码器的卷积单元替换成组合卷积单元，提取输入图像中不同尺度的信息，在解码器引入特征融合模块，充分利用每一级解码器输出的信息；分割网络在经过数据增强的数据集上训练并调优；采用网格处理算法对整张病理切片图像进行预测，识别其中的癌症区域。本发明在特征提取阶段引入多尺度信息，提高了对癌症区域的分割精度。
-
公开(公告)号：CN114283164A
公开(公告)日：2022-04-05
申请号：CN202210194828.X
申请日：2022-03-02
Abstract: 本发明公开了一种基于UNet3+的乳腺癌病理切片图像分割预测系统，具体步骤包括：基于大津算法与密铺算法生成图像块和对应真实标签；基于SeResNext搭建UNet3+的编码器；基于深度可分离卷积通过全尺度的跳跃连接实现UNet3+的解码器搭建；基于动态随机负样本抽样方法训练UNet3+神经网络；基于混叠密铺算法生成与病理切片等大的切片预测结果。本发明有效抑制了病理切片分割任务中的假阳性现象，在维持分割效果的前提下极大地降低了网络的参数量和计算量，完成癌变腺体和不成腺体肿瘤区域的像素级勾画。
-
公开(公告)号：CN114266794A
公开(公告)日：2022-04-01
申请号：CN202210183367.6
申请日：2022-02-28
Abstract: 本发明公开了一种基于全卷积神经网络的病理切片图像癌症区域分割系统，该系统的实现包括：提取病理切片图像中组织区域的掩码，去除空白背景；将组织区域与病理切片图像中标注的癌症区域结合，对全视野的病理切片图像切割获得训练样本数据；对样本数据进行扩充；构建以Resnet50为编码器的Unet分割网络，将第一级编码器的卷积单元替换成组合卷积单元，提取输入图像中不同尺度的信息，在解码器引入特征融合模块，充分利用每一级解码器输出的信息；分割网络在经过数据增强的数据集上训练并调优；采用网格处理算法对整张病理切片图像进行预测，识别其中的癌症区域。本发明在特征提取阶段引入多尺度信息，提高了对癌症区域的分割精度。
-
公开(公告)号：CN114612416A
公开(公告)日：2022-06-10
申请号：CN202210218633.4
申请日：2022-03-04
Applicant: 桂林医学院 , 广西中廪赋能科技有限公司
Abstract: 本发明属于医疗图像处理技术领域，具体涉及一种基于Swin‑Unet的胃腺癌病灶分割方法，包括：网络搭建阶段、训练阶段和推理阶段。本发明可以解决病灶位置定位不准确，容易影响临床诊断和治疗的问题，同时可以捕捉远距离的信息，较好的表示局部特征，使胃癌病灶的边缘分割效果更加平滑，具有较好的市场应用前景。
-
Patent Agency Ranking
公开(公告)号：CN114548320A
公开(公告)日：2022-05-27
申请号：CN202210212120.2
申请日：2022-03-04
Applicant: 桂林医学院 , 广西中廪智工科技发展集团有限公司
Abstract: 本发明属于图像识别技术领域，具体涉及一种基于ResNet与决策树的胃癌分型方法，包括以下步骤：S1.搭建残差模块，降采样残差层模块，最大化池化层，平均池化层和输出层；S2.构成建ResNet第二到第五阶段网络；S3.组成特征提取网络；S4.将特征提取网络的三维特征图展开为二维特征向量；S5.将二维特征向量展平为一维的特征向量，输入决策树，输出胃癌分型预测结果1；S6.将二维特征向量输入依次输入全连接层和输出层，得到胃癌分型预测结果2；S7.将胃癌分型预测结果1与胃癌分型预测结果2融合得到胃癌具体分型。本发明的胃癌分型方法主要包括特征提取模块、全连接层、决策树模块和融合层，可以快速准确的对胃癌进行分型，为筛查胃癌疾病及制定治疗方案提供帮助。
-
公开(公告)号：CN114581408A
公开(公告)日：2022-06-03
申请号：CN202210213199.0
申请日：2022-03-04
Applicant: 桂林医学院 , 广西中廪智工科技发展集团有限公司
IPC: G06T7/00 , G06V20/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/73 , A61B1/00 , A61B1/04 , A61B1/273
Abstract: 本发明属于医疗图像处理技术领域，具体涉及一种基于YOLOV5的胃镜息肉检测方法，包括：步骤一：采集数据，从胃镜检测视频中截取发现息肉的图像帧作为样本，并对样本图像帧中的息肉位置进行标注；步骤二：划分数据集，将采集并做好标注的数据按4:1的比例随机分成训练集和测试集；步骤三：采用划分好的训练集基于YOLOV5的检测网络模型进行训练；步骤四：用测试集测试模型效果，检测模型是否符合工程指标；步骤五：生成检测结果，采用训练好的检测模型对胃镜图像进行识别，检测图像中是否存在息肉。本发明可以解决医生在直接观察的过程中，可能会因为疲劳或者经验不足忽略掉一些微小的病变，导致最终诊断不准确的情况发生的问题，具有较好的市场应用前景。
-
公开(公告)号：CN114548380A
公开(公告)日：2022-05-27
申请号：CN202210212790.4
申请日：2022-03-04
Applicant: 桂林医学院 , 广西中廪赋能科技有限公司
Abstract: 本发明属于医疗图像处理技术领域，具体涉及一种基于ConvNeXt的胃癌病理切片识别方法，包括：网络搭建阶段、训练阶段和推理阶段。本发明可以有效交底胃癌病理切片的参数量，大大提升了推理速度，在辨识远距离特征的同时保留了局部的特征与平移不变性，并且还具有较高的鲁棒性和较低的复杂度，具有较好的市场应用前景。
-
公开(公告)号：CN114548322A
公开(公告)日：2022-05-27
申请号：CN202210213229.8
申请日：2022-03-04
Applicant: 桂林医学院 , 广西中廪智工科技发展集团有限公司
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明属于图像识别技术领域，具体涉及一种基于CNN和ViT的胃癌浸润程度分类方法。一种基于CNN和ViT的胃癌浸润程度分类方法，包括以下步骤：S1.构建数据集：采集不同浸润程度胃癌的图像，并做标注；S2.训练网络：利用标注好的数据集训练基于CNN和ViT的神经网络CViT，所述神经网络CViT包括卷积模块、ViT模块和输出模块；S3.生成结果：识别胃癌图像的浸润程度。本发明基于CNN和ViT的神经网络CViT，可以对胃癌肿瘤进行识别，并输出胃癌浸润程度的保证值，可以根据胃癌浸润程度快速准确对其进行分类，进而为筛查胃癌疾病及制定治疗方案提供帮助。
-
公开(公告)号：CN114581406A
公开(公告)日：2022-06-03
申请号：CN202210212389.0
申请日：2022-03-04
Applicant: 桂林医学院 , 广西中廪智工科技发展集团有限公司
Abstract: 本发明属于细胞核分割技术领域，具体涉及基于Segformer的胃部病理切片细胞核分割方法。基于Segformer的胃部病理切片细胞核分割方法，包括以下步骤：S1.构建数据：扫描胃部病理切片，截取清晰部分，采用1abelme软件对切片中的细胞核进行标注；S2.训练网络：利用标注完的数据对基于Segformer的分割网络进行训练，Segformer由编码器和解码器组成；S3.生成分割结果：用训练好的Segformer的分割网络对胃部病理切片进行分割，生成分割结果。本发明基于Segformer的分割网络可以对胃部病理切片细胞核进行分割，并生成细胞核分割结果，能够有效地帮助病理医生提取细胞核信息，对胃部等疾病进行有效诊断，进而为筛查胃部疾病及制定治疗方案提供帮助。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.025 seconds)
