一种基于形态学的切片组织裱贴位置优良判别方法

    公开(公告)号:CN113658209A

    公开(公告)日:2021-11-16

    申请号:CN202110924457.1

    申请日:2021-08-12

    Abstract: 本发明的基于形态学的切片组织裱贴位置优良判别方法,包括:a).获取切片组织缩略图;b).标签位置识别和统一方向;c).去除标签信息;d).去除非病理组织的点和线;e).计算病理组织中心点偏离距离;f).计算病理组织与长轴的夹角;g).判断病理切片组织裱贴优良。本发明的切片组织裱贴位置优良判别方法,整个切片组织裱贴位置优良判别利用图像识别和处理自动完成,处理效率高,解决了现有人工评估所带来的耗时耗力问题,而且整个判别过程不会加入个人的主观想法,更加客观和准确,降低了医生在切片组织裱贴位置优良判别过程中的工作量。

    一种基于投票集成学习的心电数据智能分类方法

    公开(公告)号:CN111000553A

    公开(公告)日:2020-04-14

    申请号:CN201911395467.X

    申请日:2019-12-30

    Abstract: 本发明的基于投票集成学习的心电数据智能分类方法,其特征在于,通过以下步骤来实现:a).数据预处理;b).建立logistic回归模型;c).建立决策树模型;d).建立一个支持向量机;e).建立朴素贝叶斯模型;f).建立神经元模型;g).建立k邻近模型;h).模型集成,最终获得一个正确率不低于80%的模型,效果优于步骤b)至步骤g)中建立的单个模型。本发明的心电数据智能分类方法,首先从ccdd中获取足够数量的数据,将其分为训练集和测试集,然后建立各类模型,最后,获得一个正确率不低于80%的模型,可实现对“正常、房颤、房性早搏、偶发房性早搏、频发房性早搏、房性心动过速、房颤伴快速心室率”进行智能识别分类,实现心血管疾病的早发现、早治疗。

    基于染色分离的病理切片颜色相关质量评估方法

    公开(公告)号:CN114937032B

    公开(公告)日:2025-03-28

    申请号:CN202210740555.4

    申请日:2022-06-28

    Abstract: 本发明的基于染色分离的病理切片颜色相关质量评估方法,包括图像预处理步骤、特征提取步骤和分类步骤,图像预处理步骤包括:首先将病理切片图像中的组织区域提取出来,然后去除组织区域中影响颜色质量的红细胞区域和无组织区域,只保留经过H&E染色后着色的组织区域;特征提取步骤为对经过预处理之后的组织区域进行特征提取。本发明评估方法,首先对图像进行去除中心的空白区域、去除周边的空白区域以及去除组织区域图像中红细胞区域的处理;然后通过获取13个特征向量,然后输入机器学习模型进行分类,所获取的机器学习模型能够有效从客观条件对切片的颜色质量进行评估分类,降低人工评估的主观意向,并减少人工评估的工作量。

    一种基于图像处理的病理切片褶皱识别方法

    公开(公告)号:CN116993697A

    公开(公告)日:2023-11-03

    申请号:CN202310970953.X

    申请日:2023-08-03

    Abstract: 本发明的基于图像处理的病理切片褶皱识别方法,首先获取数字病理图像,然后将其转换至HSV空间,获得饱和度图像;然后计算饱和度图像的直方图并获取二值化的阈值;利用二值化的阈值将饱和度图像进行二值化处理,二值化图像中的白色区域即为褶皱的ROI区域;然后形成二值化图像的边界框;最后,提取出二值化图像中的褶皱区域。本发明的病理切片褶皱识别方法,可实现病理切片图像中褶皱区域的快速、高效的自动识别,适于对数量巨大的切片数据的处理,与现有人工审核筛选相比较,具有效率高、识别准确和不受人员因数干扰的优点,适用于对病理图像的切片优良率的智能化判断。

    一种基于深度学习的食管癌病理图像处理方法

    公开(公告)号:CN109410194B

    公开(公告)日:2022-03-29

    申请号:CN201811222572.9

    申请日:2018-10-19

    Abstract: 本发明的基于深度学习的食管癌病理图像处理方法,包括:a).病理切片扫描;b).圈注上皮区类型,将上皮区的正常区域、低级别和高级别癌前病变区域圈注出来;c).图像预处理,获取上皮小图像;d).卷积神经网络将每个上皮小图像沿其纵向均分为n个图像块,对每个图像块进行特征提取;e).长短期记忆网络LSTM,获取上皮小图像的特征向量;f).分类器分类;g).模型建立和调优,h).准确率计算。本发明的食管癌病理图像处理方法,经CNN、LSTM网络和分类器的处理后,获取每个上皮小图像为正常、低级别和高级别癌前病变类型的概率,为病理科食管癌全切片的科学利用提供了一种行之有效的数字图像处理方法,有益效果显著,适于应用推广。

    一种基于形态学的切片组织裱贴位置优良判别方法

    公开(公告)号:CN113658209B

    公开(公告)日:2023-06-16

    申请号:CN202110924457.1

    申请日:2021-08-12

    Abstract: 本发明的基于形态学的切片组织裱贴位置优良判别方法,包括:a).获取切片组织缩略图;b).标签位置识别和统一方向;c).去除标签信息;d).去除非病理组织的点和线;e).计算病理组织中心点偏离距离;f).计算病理组织与长轴的夹角;g).判断病理切片组织裱贴优良。本发明的切片组织裱贴位置优良判别方法,整个切片组织裱贴位置优良判别利用图像识别和处理自动完成,处理效率高,解决了现有人工评估所带来的耗时耗力问题,而且整个判别过程不会加入个人的主观想法,更加客观和准确,降低了医生在切片组织裱贴位置优良判别过程中的工作量。

    基于深度强化学习的两阶段工作流调度方法和系统

    公开(公告)号:CN118519752B

    公开(公告)日:2024-10-01

    申请号:CN202410971556.9

    申请日:2024-07-19

    Abstract: 本发明涉及基于深度强化学习的两阶段工作流调度方法和系统,属于深度强化学习技术领域。包括:1)根据用户提供的工作流和数据传输信息,构建工作流池,并初始化每个工作流的状态和任务数量;2)利用TD2QN算法循环遍历每个工作流,并将入口任务加入到就绪队列中;将进入到就绪任务队列中的任务,利用TD2QN算法进行动态地选择,并为任务分配适当的计算资源,从而最大化整个工作流的效率和性能;3)当工作流成功完成时,生成并返回有关已完成工作流的详细信息,为用户提供全面的调度结果和性能评估。本发明综合考虑成本和通信时间,提高了系统效率和性能。

Patent Agency Ranking