-
公开(公告)号：CN112396616A
公开(公告)日：2021-02-23
申请号：CN202011464130.2
申请日：2020-12-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于组织形态分析的骨肉瘤复发风险预测模型。属于机器学习和图像处理领域；具体步骤：1、多类组织分割以及肿瘤区域内细胞核分割；2、特征提取和特征选择；3、分类器构建。本发明提出了一种使用肿瘤区域内细胞核特征来建立定量化的计算机辅助骨肉瘤复发风险预测模型；通过实验结果表明，源自肿瘤细胞核的图像特征可以作为独立于传统标准临床诊断特征的新标志物来进行预后分析，从而有助于帮助患者进行个性化治疗，并推动精准肿瘤学的发展。
-
公开(公告)号：CN112750131B
公开(公告)日：2023-07-21
申请号：CN202110132264.2
申请日：2021-01-31
Applicant: 南京信息工程大学
IPC: G06T7/10
Abstract: 本发明是基于尺度和序列关系的骨盆核磁共振图像肌肉骨骼分割方法，首先搜集数字化的核磁共振图像三维序列，并进行手动标记多类肌肉骨骼结构；针对核磁共振图像三维序列进行采样，以连续的三张切面为一组，得到伪RGB三通道的图像数据；基于序列关系和不同肌肉骨骼的图像内容的尺度差异构建肌肉骨骼对象自动分割模型；采用自适应权重的交叉熵损失函数和DICE损失函数进行模型优化；最后对于新采集核磁共振图像三维序列，采样得到伪RGB三通道的图像数据后送入到肌肉骨骼对象自动分割模型中，得到对应于核磁共振图像三维序列的预测结果。该方法能够对核磁共振图像序列中的密集肌肉骨骼的自动分割，得到核磁共振图像序列对应的骨骼肌肉内容的三维重建结果。
-
公开(公告)号：CN112750131A
公开(公告)日：2021-05-04
申请号：CN202110132264.2
申请日：2021-01-31
Applicant: 南京信息工程大学
IPC: G06T7/10
Abstract: 本发明是基于尺度和序列关系的骨盆核磁共振图像肌肉骨骼分割方法，首先搜集数字化的核磁共振图像三维序列，并进行手动标记多类肌肉骨骼结构；针对核磁共振图像三维序列进行采样，以连续的三张切面为一组，得到伪RGB三通道的图像数据；基于序列关系和不同肌肉骨骼的图像内容的尺度差异构建肌肉骨骼对象自动分割模型；采用自适应权重的交叉熵损失函数和DICE损失函数进行模型优化；最后对于新采集核磁共振图像三维序列，采样得到伪RGB三通道的图像数据后送入到肌肉骨骼对象自动分割模型中，得到对应于核磁共振图像三维序列的预测结果。该方法能够对核磁共振图像序列中的密集肌肉骨骼的自动分割，得到核磁共振图像序列对应的骨骼肌肉内容的三维重建结果。
-
Patent Agency Ranking
公开(公告)号：CN112541895A
公开(公告)日：2021-03-23
申请号：CN202011464934.2
申请日：2020-12-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于组织形态分析的小鼠生精管自动分期系统。属于机器学习和图像处理领域；具体步骤：基于深度残差网络(ResNet)构建小鼠生精管分类模型；提取生精管图像内的细胞层次和组织层次的特征。本发明运用深度学习方法对小鼠睾丸内多类生精管、生精管内多类细胞、生精管内多类区域进行自动分割；另外在特征提取和特征选择的工作中，在现有的病理学特征基础上手动设计长形精子方向特征；最终所选出来的特征分类准确率良好，与病理医生的分期经验相符，可以有效地相互解释，充分验证了所选取出来特征的正确性；另外VI、VII‑mVIII和lateVIII分期系统的成功建立可以为病理医生在分期诊断时提供定量化的信息，辅助病理医生进行分期鉴定。
-
公开(公告)号：CN112529912A
公开(公告)日：2021-03-19
申请号：CN202011464174.5
申请日：2020-12-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于深度学习的小鼠睾丸病理切片内多种组织的自动分割方法。属于机器学习和图像处理领域；具体步骤：小鼠睾丸横截面切片的预处理；基于ResNet的小鼠生精管分割模型的建立；建立基于Unet的小鼠生精管内多类生殖细胞和多类组织区域分割。本发明首先运用ResNet结合滑动窗以及逐像素点分割的方法对小鼠睾丸横切面全扫描图像进行生精管预分割；然后，运用Unet分别对生精管内多类细胞核和多类组织区域进行分割；本发明所述的方法取得了良好的性能，为建立小鼠生精管自动分期系统提供了良好的图像分析基础；将来，技术人员将提取小鼠生精管内细胞核和组织区域的组织学特征，用于训练小鼠生精管自动分期分类器。
-
公开(公告)号：CN111553369B
公开(公告)日：2023-04-18
申请号：CN202010405761.0
申请日：2020-05-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种前列腺癌穿刺病理图像的格里森自动分级方法，包括：在数字化的前列腺癌穿刺组织病理图像上手动标记格里森3级和4级组织区域；提取图像块，并对提取的图像块进行图像预处理后，提取图像块的H通道；计算同源性分布，包括细胞核的连通区域变化分布b0、细胞核构成的空洞变化分布b1以及两者的比率b，并采用七种统计描述方法表示计算得到的同源性分布，得到21维的统计特征集；构建k近邻分类器，采用10折交叉验证方法训练基于权重的k近邻模型；使用训练好的k近邻分类器自动预测格里森分级。本发明能够减少病理医生人工诊断的体力、精力和时间成本投入，同时量化分析诊断结果，极大降低了不同病理医生诊断的差异性。
-
公开(公告)号：CN111553369A
公开(公告)日：2020-08-18
申请号：CN202010405761.0
申请日：2020-05-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种前列腺癌穿刺病理图像的格里森自动分级方法，包括：在数字化的前列腺癌穿刺组织病理图像上手动标记格里森3级和4级组织区域；提取图像块，并对提取的图像块进行图像预处理后，提取图像块的H通道；计算同源性分布，包括细胞核的连通区域变化分布b0、细胞核构成的空洞变化分布b1以及两者的比率b，并采用七种统计描述方法表示计算得到的同源性分布，得到21维的统计特征集；构建k近邻分类器，采用10折交叉验证方法训练基于权重的k近邻模型；使用训练好的k近邻分类器自动预测格里森分级。本发明能够减少病理医生人工诊断的体力、精力和时间成本投入，同时量化分析诊断结果，极大降低了不同病理医生诊断的差异性。
-
公开(公告)号：CN106096648A
公开(公告)日：2016-11-09
申请号：CN201610403385.5
申请日：2016-06-08
Applicant: 南京信息工程大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明公开了一种基于Hash编码的超光谱遥感图像分类方法，属于图像信息处理技术领域，提出了用块Hash自动编码的思想来处理超光谱遥感图像，本发明提出了用Hash自动编码的思想来处理超光谱遥感图像，将遥感图像每个通道提取出来，分成块，将每个小块先进行分段Hash处理，生成Hash序列用来表征块的特征，然后将生成的编码进行SVM分类。和基于传统像素的分类方法相比，在相同的实验条件下，本发明方法的图像分类结果更加准确，视觉效果更好。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
