-
公开(公告)号：CN112949723B
公开(公告)日：2023-02-14
申请号：CN202110248565.1
申请日：2021-03-08
Applicant: 西安交通大学医学院第一附属医院 , 西安美佳家医疗科技有限责任公司
IPC: G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/08 , G06F16/583 , G06F16/55 , G16H10/20 , G16H30/20
Abstract: 本发明公开了一种子宫内膜病理图像分类方法，包括步骤：一、收集子宫内膜图像和其对应的临床特征；二、构建子宫内膜基团图像数据库；三、构建并训练图像分类网络；四、图像分类网络的测试；五、子宫内膜病理图像分类。本发明需要快速的识别子宫内膜细胞、子宫内膜细胞群落、子宫内膜微组织是否病变，通过改进稀释扫描器网络跳过路径实现对历史子宫内膜图像的快速分割，加快读片速度，利用两个LSTM模型和Incept ion‑v3CNN图像模型同步处理图像特征，获取临床特征，形象直观、快速、准确地进行子宫内膜细胞及微组织病理分类，从而为子宫内膜癌筛查工作的开展奠定基础，减轻人群筛查工作量大、工作效率低等问题。
-
公开(公告)号：CN116778242A
公开(公告)日：2023-09-19
申请号：CN202310731452.6
申请日：2023-06-20
Applicant: 西安交通大学医学院第一附属医院
IPC: G06V10/764 , G06T7/00 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种胎心监护图像分类方法，包括：一、胎心监护图像历史数据的获取；二、基线异常检测模块的训练；三、微小变异检测模块的训练；四、加速异常检测模块的训练；五、减速异常检测模块的训练；六、待采集胎心监护图像的分类。本发明结合历史胎心监护数据，且对不同异常场景建立不同的训练模型，能利用拉依达准则、支持向量机模型和卷积神经网络模型应用于不同异常场景的训练，使分类结果的准确率更高，同时也优化了泛化能力。
-
公开(公告)号：CN114580558A
公开(公告)日：2022-06-03
申请号：CN202210240708.9
申请日：2022-03-10
Applicant: 西安交通大学 , 西安美佳家医疗科技有限责任公司
Abstract: 本发明公开了一种子宫内膜癌细胞检测方法、系统、设备及存储介质，包括：子宫内膜细胞病理切片制备；利用CNN初筛包含阳性细胞的图像；利用改进的Faster R‑CNN目标检测模型进行癌细胞的智能检测；统计各项指标，从WSI生成图块送入网络预测后合并识别结果。在目标的获取部分，数据上利用自适应随机剪裁的方法归一化和扩充数据集；模型上以改进的CNN模型和双阶段的Faster RCNN模型为基础模型，引入医生诊断经验，提取诊断指标共同作用训练出更加准确的模型。本发明子宫内膜癌细胞检测方法准确率比分类方法准确率更高同时可以给出置信度和WSI的位置信息，另外，本发明还提供了一种更有效的子宫内膜细胞病理切片图像数据集的制备方法。本发明应用于医学图像目标检测领域。
-
公开(公告)号：CN112949723A
公开(公告)日：2021-06-11
申请号：CN202110248565.1
申请日：2021-03-08
Applicant: 西安美佳家医疗科技有限责任公司
Abstract: 本发明公开了一种子宫内膜病理图像分类方法，包括步骤：一、收集子宫内膜图像和其对应的临床特征；二、构建子宫内膜基团图像数据库；三、构建并训练图像分类网络；四、图像分类网络的测试；五、子宫内膜病理图像分类。本发明需要快速的识别子宫内膜细胞、子宫内膜细胞群落、子宫内膜微组织是否病变，通过改进稀释扫描器网络跳过路径实现对历史子宫内膜图像的快速分割，加快读片速度，利用两个LSTM模型和Incept ion‑v3CNN图像模型同步处理图像特征，获取临床特征，形象直观、快速、准确地进行子宫内膜细胞及微组织病理分类，从而为子宫内膜癌筛查工作的开展奠定基础，减轻人群筛查工作量大、工作效率低等问题。
-
-
-
Search Results
4
records
(took 0.047 seconds)
