-
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
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/22 , G06V10/40 , G06V10/56 , G06V10/764 , G06V10/774 , G06N20/20
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。
-
公开(公告)号：CN118537694A
公开(公告)日：2024-08-23
申请号：CN202410648489.7
申请日：2024-05-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/09
Abstract: 本公开提出基于改进的CNN的肺部CT影像衰老评估方法及系统，方法包括：将预处理后的待评估图像输入至改进的CNN中，提取待评估图像的衰老特征，基于衰老特征得到衰老评估结果；改进的CNN包括改进的ResNet18网络和多尺度CNN网络，改进的ResNet18网络用于提取深层特征，包括依次连接的注意力机制模块、平均池化层和恒等层；多尺度CNN网络用于提取局部和全局信息特征；将深层特征和局部和全局信息特征融合为衰老特征，利用衰老等级标签进行监督学习，输出衰老评估结果。通过融合图像更深层特征和更宽的空间上下文信息，保证特征的细节性和多样性，避免遗漏相关信息，从而提高肺部衰老评估的准确性。
-
公开(公告)号：CN118097286A
公开(公告)日：2024-05-28
申请号：CN202410283334.8
申请日：2024-03-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东大学齐鲁医院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G16H30/20 , G16H50/20
Abstract: 本发明涉及一种基于SVM和双线性卷积神经网络的肺部CT影像衰老评估方法。本发明针对健康人群，基于肺部CT影像的体检数据，提出一种基于SVM+B‑CNN的健康人群肺衰老程度评估方法，能够客观的对人体肺部衰老程度进行评估。该方法包括模型建立与训练模块、分类器模块和模型评估模块。其中，模型建立与训练模块为能够提取到更丰富的图像特征信息，使用了子网络分别为VGG16和VGG19网络的双线性卷积神经网络模型，分类器采用SVM输出了最后的衰老等级评估结果，模型评估模块对整体模型进行了混淆分析并在新数据集进行推理，能够有效从客观上对肺部CT影像进行评估分类，呈现有效的评估参考因素，并提高肺部CT图像评估效率。
-
公开(公告)号：CN117274711A
公开(公告)日：2023-12-22
申请号：CN202311315526.4
申请日：2023-10-12
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/764 , G06V10/26 , G06V10/80 , G06N3/0455 , G06N3/09
Abstract: 一种动态权重选择的胃部病理切片腺体多分类分割方法，涉及图像处理技术领域，在连接模块中加入了注意力机制，在优化多分类图像分割网络时引入了k‑flod交叉验证策略和动态权重选择模块，使得模型可以有效地对胃部病理切片腺体进行多分类分割，提高了模型多分类分割的准确性。
-
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
Applicant: 山东省计算中心(国家超级计算济南中心)
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。
-
Patent Agency Ranking
公开(公告)号：CN109712142B
公开(公告)日：2023-03-28
申请号：CN201910025249.0
申请日：2019-01-11
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的基于染色分离的乳腺癌Ki67/ER/PR核染色细胞计数方法，首先对乳腺癌病理切片图像进行染色分离，获取基于H染色剂的图像IH和基于DAB显色剂的图像IDAB，然后经滤波消除细胞间质的影响，获得图像IH，filterd和IDAB，filterd；然后根据IH，filterd统计阴性细胞，根据IDAB，filterd及其亮度图VDAB统计强阳、中阳、弱阳细胞，最终获取阴性细胞、阳性（分强阳、中阳和弱阳）细胞的数量和所占细胞总数的概率。本发明设计基于染色分离的乳腺癌核染色细胞计数方法，能够快速有效地实现细胞计数，协助医生工作，降低医生工作量的同时保证计算准确度。
-
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
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/25 , G06V10/764 , G06V10/82 , G06K9/62
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。
-
公开(公告)号：CN114093505A
公开(公告)日：2022-02-25
申请号：CN202111361578.6
申请日：2021-11-17
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种基于云边端架构的病理检测系统及方法，包括云平台层、通信网络层、边缘层；云平台层包括云计算服务器中心、数据库、云端文件存储系统以及一个MQTT服务器；网络通信层包括多种网络通信方式；边缘层就是集成在医疗机构内的各个设备组件，包括边缘设备、本地文件存储系统以及病理切片扫描仪；本发明提供了基于Kubeedge管理平台的云边端架构的病理检测方法，实现边缘设备物模型创建、病理图像模型训练、镜像下发、病理图像检测推理、边缘数据上传等，可有效节省医院病理科的人力、时间成本，提高病理诊断的质量和效率。
-
公开(公告)号：CN108629768B
公开(公告)日：2022-01-21
申请号：CN201810405691.1
申请日：2018-04-29
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的食管病理图像中上皮组织的分割方法，包括：a).染色校正及灰度处理；b).选取训练、测试样本；c).图像分割和标注；d).构建卷积神经网络模型；e).测试图像的处理；f).获取预热图像；g).预测热图的处理；h).计算精确度和召回率。本专利提出的上皮分割方法，是在像素级别上的分类，特别对上皮边界区域的分割，在分割精度上具有明显优势，且本方法自动学习到有效的特征和表达，避免了复杂的手工特征选取过程，可以满足实际应用需求。在从不同的医院使用不同的扫描仪获得的图像都可以较高精度地分割出上皮组织，是构建食道癌的计算机辅助诊断中图像处理不可或缺的一步。
-
公开(公告)号：CN118396969A
公开(公告)日：2024-07-26
申请号：CN202410597023.9
申请日：2024-05-14
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于3D卷积神经网络的肺部CT影像衰老评估方法及系统，方法包括：获取待检测的肺部影像数据并进行预处理；将预处理后的数据输入至训练好的3D卷积神经网络模型，得到肺部衰老评估结果；其中，所述3D卷积神经网络模型包括：依次设置的多个3D卷积和最大池化层、3D全局平均池化层、注意力机制模块、展平层和两个全连接层；所述注意力机制模块包括依次连接的四个卷积层。本发明在3D卷积神经网络模型中添加注意力机制，不仅能捕捉到全局和局部的空间特征，还能根据任务的需求动态地调整其对这些特征的关注程度。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.041 seconds)
