一种基于生成对抗网络的等离激元组织切片免染色成像方法

    公开(公告)号:CN119671882A

    公开(公告)日:2025-03-21

    申请号:CN202411912603.9

    申请日:2024-12-24

    Applicant: 厦门大学

    Abstract: 一种基于生成对抗网络的等离激元组织切片免染色成像方法,涉及生物医学检测技术领域,包括:1)利用高分辨率明场显微镜记录置于等离激元载玻片上的组织切片和经由H&E染色的组织切片,按比例划分为训练集和验证集;2)通过数据增强将训练集中的配对图像数量扩增至若干倍;3)构建GAN模型,应用数据增强后配对的图像为数据集训练GAN模型;4)基于训练好的GAN模型,进行等离激元组织切片免染色成像图像的虚拟染色。本发明生成的虚拟染色图像在视觉和统计上与真实H&E染色图像具有高度相似性,为病理学家提供病理可解释的图像和更加有效的判别信息。显著缩短时间,提高癌症诊断效率,为临床提供一种快速、有效的组织切片分析手段。

    基于深度学习Teaformer的茶叶品种及品质分类方法

    公开(公告)号:CN119691515A

    公开(公告)日:2025-03-25

    申请号:CN202411830868.4

    申请日:2024-12-12

    Applicant: 厦门大学

    Abstract: 基于深度学习Teaformer的茶叶品种及品质分类方法,涉及一种基于光谱分析领域和人工智能算法领域。分类方法的构建基于PCA降维方法和Transformer神经网络模型,通过无损、快速且高效的手段对茶叶进行质量评估。通过采集茶叶的可见‑近红外光谱数据,通过Teaformer进行特征提取与分类,实现茶叶的精准分类和品质评估。包括:采集一定数量的茶叶样本的可见‑近红外光谱数据,并对数据进行预处理,包括去噪、标准化;利用Teaformer模型对光谱数据进行训练,学习其内部特征;通过模型对未知样本进行预测和分类,评估茶叶的质量;结合实际应用需求,优化模型参数,以提高检测的准确性和稳定性。

Patent Agency Ranking