公开(公告)号：CN115471697A

公开(公告)日：2022-12-13

申请号：CN202211073150.6

申请日：2022-09-02

Applicant: 哈尔滨工程大学

Inventor： 汲清波 ,  章强 ,  陈奎丞 ,  姜月 ,  王玲婕 ,  刘清泉

IPC: G06V10/764 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种尿红细胞、白细胞及草酸钙晶体的开集识别方法。本发明通过以下步骤实现：收集显微镜下尿红细胞、白细胞、草酸钙晶体和相似杂质的图像，经过专业医师标注后构成数据集；对数据集进行组合式数据增强操作，并完成数据归一化；其次，构建基于条件变分自编码器的尿沉渣开集识别网络；设置多约束优化目标函数和网络训练参数；然后，获得预训练模型，将其进一步迁移至尿沉渣数据集上训练；最后，测试模型分类性能，计算识别准确率。本发明主要应用于医学图像领域和尿液有形成分检验场景，具有较高的准确率和良好的适用性。

公开(公告)号：CN114863425A

公开(公告)日：2022-08-05

申请号：CN202210346555.6

申请日：2022-03-31

Applicant: 哈尔滨工程大学

Inventor： 汲清波 ,  刘清泉 ,  姜月 ,  王玲婕 ,  章强 ,  陈奎丞

IPC: G06V20/69 ,  G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06V10/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于有监督对比学习的尿红细胞的分类方法，步骤一：收集和扩充数据集；步骤二：构建基于ResNet‑50卷积神经网络的SRRN特征提取网络模型；步骤三：构造损失函数；步骤四：训练SRRN特征提取网络；步骤五：训练分类器；步骤六：测试模型；本发明使用SRRN网络模型训练后在测试集上准确率提高了0.36％；使用加入以欧式距离为基础的对比损失函数训练后的SRRN网络模型在测试集上的准确率提高了0.49％；以权重惩罚机制微调分类器后的模型在测试集上的准确率提高了0.71％；在模型测试阶段使用了TTA策略，模型在测试集上的准确率提高了0.13％，最后本发明准确率达到92.39％。

公开(公告)号：CN114863425B

公开(公告)日：2024-10-29

申请号：CN202210346555.6

申请日：2022-03-31

Applicant: 哈尔滨工程大学

Inventor： 汲清波 ,  刘清泉 ,  姜月 ,  王玲婕 ,  章强 ,  陈奎丞

IPC: G06V20/69 ,  G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/044 ,  G06N3/045 ,  G06N3/09 ,  G06N3/0895

Abstract: 本发明提供了一种基于有监督对比学习的尿红细胞的分类方法，步骤一：收集和扩充数据集；步骤二：构建基于ResNet‑50卷积神经网络的SRRN特征提取网络模型；步骤三：构造损失函数；步骤四：训练SRRN特征提取网络；步骤五：训练分类器；步骤六：测试模型；本发明使用SRRN网络模型训练后在测试集上准确率提高了0.36％；使用加入以欧式距离为基础的对比损失函数训练后的SRRN网络模型在测试集上的准确率提高了0.49％；以权重惩罚机制微调分类器后的模型在测试集上的准确率提高了0.71％；在模型测试阶段使用了TTA策略，模型在测试集上的准确率提高了0.13％，最后本发明准确率达到92.39％。