-
公开(公告)号：CN104346617A
公开(公告)日：2015-02-11
申请号：CN201410155802.X
申请日：2014-04-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于滑动窗口和深度结构提取特征的细胞检测方法，首先运用深度模型提取特征，然后运用滑动窗口技术作用于病理切片图像中细胞自动检测的方法。具体步骤包括：对切片图像取块，特征提取模型堆叠稀疏自编码的训练，检测器训练，滑动窗口扫描大图像，标注细胞位置。本发明以大幅切片图为研究对象，采用检测器加滑动窗口的新方法，更能准确找到图像中细胞的位置，且更加快速和全面，对图像中一些不是很明显的细胞也能起到很好的检测效果。本发明提出的细胞自动检测方法能辅助临床医生对数字病理学切片进行量化评估，准确快速的进行临床诊断，减少不同的观察者或者同一个观察者在不同时间段之间的诊断差异性。
-
公开(公告)号：CN104346617B
公开(公告)日：2017-11-28
申请号：CN201410155802.X
申请日：2014-04-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于滑动窗口和深度结构提取特征的细胞检测方法，首先运用深度模型提取特征，然后运用滑动窗口技术作用于病理切片图像中细胞自动检测的方法。具体步骤包括：对切片图像取块，特征提取模型堆叠稀疏自编码的训练，检测器训练，滑动窗口扫描大图像，标注细胞位置。本发明以大幅切片图为研究对象，采用检测器加滑动窗口的新方法，更能准确找到图像中细胞的位置，且更加快速和全面，对图像中一些不是很明显的细胞也能起到很好的检测效果。本发明提出的细胞自动检测方法能辅助临床医生对数字病理学切片进行量化评估，准确快速的进行临床诊断，减少不同的观察者或者同一个观察者在不同时间段之间的诊断差异性。
-
公开(公告)号：CN104200428A
公开(公告)日：2014-12-10
申请号：CN201410407602.9
申请日：2014-08-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于非负矩阵分解（NonnegativeMatrixFactorization，简称NMF）的显微图像彩色去卷积方法，属于图像信息处理技术领域。本发明方法针对染色标记后的组织显微图像，利用非负矩阵分解的方法将不同染色剂所对应的观测通道进行分离。本发明还公开了一种基于非负矩阵分解的显微图像分割方法，基于非负矩阵分解方法分离出的观测通道进行图像分割，不但可实现快速全自动化的图像处理，且获得的图像分割结果更准确，为后续的细胞检测、病理诊断分析提供了更准确的依据。相比现有技术，本发明能够有效提高显微图像分割的准确率，节省计算时间，且得到的显微图像的视觉效果更好。
-
公开(公告)号：CN104200428B
公开(公告)日：2017-07-18
申请号：CN201410407602.9
申请日：2014-08-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于非负矩阵分解（Nonnegative Matrix Factorization，简称NMF）的显微图像彩色去卷积方法，属于图像信息处理技术领域。本发明方法针对染色标记后的组织显微图像，利用非负矩阵分解的方法将不同染色剂所对应的观测通道进行分离。本发明还公开了一种基于非负矩阵分解的显微图像分割方法，基于非负矩阵分解方法分离出的观测通道进行图像分割，不但可实现快速全自动化的图像处理，且获得的图像分割结果更准确，为后续的细胞检测、病理诊断分析提供了更准确的依据。相比现有技术，本发明能够有效提高显微图像分割的准确率，节省计算时间，且得到的显微图像的视觉效果更好。
-
-
-
Search Results
4
records
(took 0.027 seconds)
