[发明专利]一种基于深度学习的原代肿瘤细胞分割识别方法及系统在审
| 申请号： | 201811130137.3 | 申请日： | 2018-09-27 |
| 公开（公告）号： | CN109360193A | 公开（公告）日： | 2019-02-19 |
| 发明（设计）人： | 曹巍;夏禹超;尹申意;张函槊;席瑞斌 | 申请（专利权）人： | 北京基石生命科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11 |
| 代理公司： | 北京纪凯知识产权代理有限公司 11245 | 代理人： | 徐宁;孙楠 |
| 地址： | 100195 北京市海淀区杏石口*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的原代肿瘤细胞分割识别方法及系统，其特征在于：其包括模型构建模块、模型训练模块以及模型预测模块。其中，模型构建模块用于基于深度学习中的人工神经网络构建深度全卷积神经网络模型；模型训练模块用于根据训练集对深度全卷积神经网络模型进行训练，得到训练好的深度全卷积神经网络模型；模型预测模块用于将原始照片分割后输入到训练好的深度全卷积神经网络模型，并将得到的各分割图片的癌细胞区域分割结果汇总后，得到原始照片的癌细胞区域分割结果。本发明准确率高，能够广泛应用于生物医学图像处理领域。 | ||
| 搜索关键词： | 卷积神经网络 模型构建模块 模型训练模块 区域分割结果 原代肿瘤细胞 分割 模型预测 原始照片 癌细胞 人工神经网络 生物医学图像 训练集 准确率 构建 学习 应用 图片 | ||
【主权项】：
1.一种基于深度学习的原代肿瘤细胞分割识别系统，其特征在于：其包括模型构建模块、模型训练模块和模型预测模块；所述模型构建模块用于基于深度学习中的人工神经网络构建深度全卷积神经网络模型；所述模型训练模块用于根据预先构造的训练集对所述深度全卷积神经网络模型进行训练，得到训练好的深度全卷积神经网络模型；所述模型预测模块用于将原始照片分割后输入到训练好的深度全卷积神经网络模型，并将得到的各分割图片的癌细胞区域分割结果汇总，得到原始照片的癌细胞区域分割结果。
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北京基石生命科技有限公司，未经北京基石生命科技有限公司许可，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/201811130137.3/，转载请声明来源钻瓜专利网。
