[发明专利]一种基于深度学习检测的癌细胞跟踪方法在审
| 申请号： | 201810174327.9 | 申请日： | 2018-03-02 |
| 公开（公告）号： | CN108537775A | 公开（公告）日： | 2018-09-14 |
| 发明（设计）人： | 胡海根;周莉莉;管秋;肖杰;周乾伟;陈胜勇 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/246;G06N3/04 |
| 代理公司： | 杭州斯可睿专利事务所有限公司 33241 | 代理人： | 王利强 |
| 地址： | 310014 浙江省杭州*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习检测的癌细胞跟踪方法，包括以下步骤：步骤1，进行数据集的预处理，采用pascal_voc数据集，对图片进行标定，得到带有目标类别和目标位置的图片标签；步骤2，采用Faster R‑CNN网络，在数据预处理之后得到图片的标签，这里将这些标签和数据集作为Faster R‑CNN网络的输入，进行网络训练之后得到最终的检测模型；步骤3，最后对目标进行跟踪，得到的最终癌细胞检测模型已经完成对癌细胞的检测，可以精确地定位每个目标的位置，正确的判断目标的个数，再利用跟踪算法实现癌细胞的匹配关联实现目标的跟踪。本发明准确性较高、癌细胞多目标的跟踪效率较高。 | ||
| 搜索关键词： | 癌细胞 数据集 跟踪 学习检测 标签 预处理 癌细胞检测 数据预处理 跟踪算法 目标类别 目标位置 网络训练 多目标 再利用 检测 标定 匹配 图片 网络 关联 | ||
【主权项】：
1.一种基于深度学习检测的癌细胞跟踪方法，其特征在于，所述方法包括以下步骤：步骤1，进行数据集的预处理，采用pascal_voc数据集，所以数据的预处理需要将自己的数据集做成pascal_voc数据集格式，数据的预处理是对图片进行标定，得到带有目标类别和目标位置的图片标签；步骤2，对数据集进行训练，实现目标的检测，采用Faster R‑CNN网络，在数据预处理之后得到图片的标签，这里将这些标签和数据集作为Faster R‑CNN网络的输入，进行网络训练之后得到最终的检测模型；步骤3，最后对目标进行跟踪，得到的最终癌细胞检测模型已经完成对癌细胞的检测，可以精确地定位每个目标的位置，正确的判断目标的个数，再利用跟踪算法实现癌细胞的匹配关联实现目标的跟踪。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江工业大学，未经浙江工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810174327.9/，转载请声明来源钻瓜专利网。
