“细胞神经网络”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1187738个，建议您升级VIP下载更多相关专利

[发明专利]一种基于深度学习的细胞分裂检测方法-CN201610499189.2有效
发明人：毛华;桑永胜;陈杰;周尧;严明 -专利权人：四川大学
申请日： 2016-06-29 - 公布日： 2018-10-30 - 主分类号： G06F19/24 文献下载
摘要：本发明公开了一种基于深度学习的细胞分裂检测方法，涉及细胞生物学等技术领域，解决细胞分裂检测结果不准确的问题。本发明包括获取细胞培养过程中的图像，并根据一定时间间隔获取的图像构成连续的图像序列；对图像序列中所有的细胞分裂过程进行判定比较，并对细胞分裂中可清晰观察到父细胞分裂为两个子细胞膜的位置进行标注，构成标注的数据集；构建全卷积神经网络模型，确定全卷积神经网络模型的参数，在全卷积神经网络模型中载入标注的数据集，使用深度学习方法直接从图像序列上进行特征学习，得到训练好的全卷积神经网络模型；将训练好的全卷积神经网络模型进行部署，用于相似类型细胞培养数据的细胞分裂的自动检测。本发明用于细胞分裂检测。
一种基于深度学习细胞分裂检测方法

[发明专利]基于深度卷积神经网络的非小细胞肺癌病理切片识别方法-CN202011210676.5在审
发明人：孟祥福;孙德伟;张兴;谢晶;张峰;杨一鸣 -专利权人：辽宁工程技术大学
申请日： 2020-11-03 - 公布日： 2021-01-26 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于深度卷积神经网络的非小细胞肺癌病理切片识别方法，步骤为：从TCGA获取到的公开数据集非小细胞肺癌的病理切片；构建用于训练的深度学习模型；将训练数据集输入卷积神经网络训练，得到学习后的卷积神经网络模型；将训练数据集输入卷积神经网络训练，得到学习后的卷积神经网络模型。本发明通过利用Inception‑v3模型和CBAM注意力机制融合在一起，实现对非小型细胞肺癌的分类，通过注意力机制提高了网络精度；同时利用深度卷积神经网络Inception‑v3实验结果表明，本发明提出的基于深度学习的非小细胞肺癌病理切片识别方法可以有效的针对肺腺癌和肺鳞状细胞癌的分类
基于深度卷积神经网络细胞肺癌病理切片识别方法

[发明专利]基于区域推荐卷积神经网络的骨髓切片中白细胞检测方法-CN201811425360.0在审
发明人：吴健;宋庆宇;雷璧闻;王文哲;陆逸飞;吴福理 -专利权人：微医云（杭州）控股有限公司
申请日： 2018-11-27 - 公布日： 2019-04-09 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于区域推荐卷积的骨髓切片中白细胞检测方法，包括：预处理、白细胞框选和白细胞类别标注、增加数据集数量，作为训练数据集；构建区域推荐卷积神经网络模型，以ResNet50网络和FPN网络作为特征提取网络，FPN网络的输出连接至RPN网络，RPN输出推荐区域至Faster‑RCNN网络，Faster‑RCNN网络输出白细胞区域、与白细胞区域对应的白细胞类别及类别概率作为预测结果；对构建的区域推荐卷积神经网络模型进行训练，调整参数直至收敛，得到训练完成后的区域推荐卷积神经网络模型；以骨髓细胞切片的图片作为输入，训练完成后的区域推荐卷积神经网络模型输出预测结果。本发明提供的检测方法检测白细胞的准确率和精度高，以准确率衡量算法的指标，能够达到90％以上。
白细胞卷积神经网络切片网络白细胞检测准确率构建骨髓预处理训练数据集调整参数骨髓细胞类别标注类别概率区域对应输出连接输出预测特征提取网络输出预测结果数据集检测卷积框选算法收敛输出衡量图片

[发明专利]一种基于卷积神经网络的多尺寸细胞核识别装置及方法-CN202110187413.5有效
发明人：闫艺婷;王华嘉 -专利权人：广州大学华软软件学院
申请日： 2021-02-18 - 公布日： 2023-10-13 - 主分类号： G06V20/69 文献下载
摘要：本发明公开了一种基于卷积神经网络的多尺寸细胞核识别装置及方法，该装置包括四个卷积神经网络模型，用于对不同尺寸的细胞图像进行特征提取，然后在每个卷积神经网络模型提取完特征之后进行平均池化，得到包含若干个神经元的全连接层，然后将四个卷积神经网络模型提取出的全连接层拼接成一个全连接层，再连接若干全连接层进行融合学习和分类，从而让模型可以同时对细胞核和细胞核周边信息进行学习。
一种基于卷积神经网络尺寸细胞核识别装置方法

[发明专利]基于细胞神经网络自联想记忆模型的身份识别方法-CN201710526642.9在审
发明人：韩琦;刘晋;熊思斯;吴政阳;邓世琴;谯自强;翁腾飞 -专利权人：重庆科技学院
申请日： 2017-06-30 - 公布日： 2017-11-07 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于细胞神经网络自联想记忆模型的身份识别方法，包括以下步骤采集m张指纹图片和人脸图片，并分组和编号；设置指纹图片组和人脸图片组的二值图亮度阈值，得到二值指纹图片集和二值人脸图片集，建立指纹联想记忆输入矩阵和输出矩阵和人脸联想记忆输入矩阵和输出矩阵；建立带未知指纹模型参数的细胞神经网络指纹图片识别模型和带未知人脸模型参数细胞神经网络人脸图片识别模型；确定细胞神经网络指纹图片识别模型；确定细胞神经网络人脸图片识别模型；进行识别和匹配。
基于细胞神经网络联想记忆模型身份识别方法

[发明专利]基于改进U-net卷积神经网络模型的癌细胞识别方法-CN201811068427.X在审
发明人：王永利;郭相威;孙淑荣;刘冬梅;刘森淼;彭姿容;罗靖杰;朱亚涛;朱根伟;张伟 -专利权人：镇江纳兰随思信息科技有限公司
申请日： 2018-09-13 - 公布日： 2019-02-05 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于改进U‑net卷积神经网络模型的癌细胞检测方法。该方法为：获取癌细胞的医学图像，对于医学图像进行处理，对医学图像中的癌细胞进行标注，构成带有标注的数据集，并将数据集分为训练集、验证集、测试集三个部分；构建U‑net卷积神经网络模型，确定U‑net卷积神经网络模型的参数，在U‑net卷积神经网络模型中载入测试集和验证集，通过深度学习方法从图像上进行特征学习，采用测试和验证相结合的方式，得到训练好的U‑net卷积神经网络模型；将训练好的U‑net卷积神经网络模型进行部署，用于对测试集中的癌细胞进行自动检测。
卷积神经网络医学图像癌细胞特征学习自动检测测试集数据集验证集标注图像癌细胞检测癌细胞识别测试和验证运行效率准确度训练集构建改进载入测试部署学习

[实用新型]基于卷积神经网络的泵站机组故障检测系统-CN201720617171.8有效
发明人：李臣明;蔺硕;高红民;樊悦 -专利权人：河海大学
申请日： 2017-05-27 - 公布日： 2017-12-08 - 主分类号： G05B19/042 文献下载
摘要：本实用新型涉及一种基于卷积神经网络的泵站机组故障检测系统包括安装于泵站机组中各电动机内的数据采集单元，且各电动机通过数据采集单元与工控机相连；其中所述数据采集单元包括若干热电偶传感器、细胞卷积神经网络芯片，所述热电偶传感器用于对电动机的发热部件进行温度检测，并将温度数据发送至细胞卷积神经网络芯片；所述细胞卷积神经网络芯片的通讯接口通过以太网通讯模块构成神经网络，并将各电动机的温度数据的分析结果发送至与工控机相连，并且所述工控机适于将某一电动机的温度报警数据发送至其余各电动机对应的细胞卷积神经网络芯片，以作为学习样本数据。
基于卷积神经网络泵站机组故障检测系统

[发明专利]一种基于卷积神经网络的白带中白细胞自动识别方法-CN201710080966.4在审
发明人：刘娟秀;钟亚;陆宋晗;王祥舟;夏翔;田济铭;张静;杜晓辉;倪光明;刘霖;刘永 -专利权人：电子科技大学
申请日： 2017-02-15 - 公布日： 2017-06-27 - 主分类号： G06K9/00 文献下载
摘要：该发明公开了一种基于卷积神经网络的白带中白细胞自动识别方法，属于使用机器视觉方案对医学显微图像进行自动识别。本发明首先人工辨别出多张白细胞图像和非白细胞图像，再见你9层的神经网络，根据人工辨别出的图像来训练9层神经网络，在训练过程中实时的对神经网络的训练参数和学习率进行相应的调整；神经网络完全训练完成后，再对待检测目标图像进行检测
一种基于卷积神经网络白带白细胞自动识别方法

[发明专利]一种高精度、低假阴性率的肺癌细胞图像识别方法-CN03131975.0无效
发明人：周志华 -专利权人：南京大学
申请日： 2003-06-24 - 公布日： 2003-12-24 - 主分类号： G01N33/574 文献下载
摘要：本发明公开了一种高精度、低假阴性率的肺癌细胞图像识别方法，该方法利用光学显微镜上安置的数字摄像机拍摄细胞病理切片，数字摄像机产生的视频信号经图像采集设备后进入计算机，在经过适当的图像预处理之后，将细胞的图像交给肺癌细胞图像识别部分进行处理本发明的方法在进行肺癌细胞识别时，先用第一级神经网络集成进行处理，只有第一级神经网络集成中的所有神经网络都预测“正常”，才认为当前细胞图像中不是癌细胞；只要有一个神经网络预测“可能有癌”，就认为当前细胞图像中很可能是癌细胞，需要提交给第二级神经网络进行处理。这种方法使得癌细胞被错当成正常细胞的机会很小，从而可以获得很高的识别精度和很低的假阴性率。
一种高精度阴性肺癌细胞图像识别方法

[发明专利]细胞密度分类方法及装置、电子装置及存储介质-CN202011357231.X在审
发明人：李宛真;郭锦斌;卢志德 -专利权人：富泰华工业（深圳）有限公司;鸿海精密工业股份有限公司
申请日： 2020-11-26 - 公布日： 2022-05-27 - 主分类号： G06V10/764 文献下载
摘要：一种细胞密度分类方法，所述方法包括：将待测试生物细胞图像输入训练卷积神经网络模型中直至得到的重构生物细胞图像与所述待测试生物细胞图像匹配，所述训练卷积神经网络模型与生物细胞图像的细胞密度所处的密度范围对应；确定所述待测试生物细胞图像的细胞密度为与所述重构生物细胞图像匹配时的训练卷积神经网络模型对应的密度范围。本申请还提供一种细胞密度分类装置、一种电子装置及一种存储介质，可提高细胞计数的速度。
细胞密度分类方法装置电子存储介质

[发明专利]基于动态标签分配的细胞抗核抗体荧光识别方法及系统-CN202111035407.4有效
发明人：魏骁勇;贺星元;张栩禄;杨震群 -专利权人：四川大学
申请日： 2021-09-03 - 公布日： 2023-04-18 - 主分类号： G06V20/69 文献下载
摘要：本发明公开了一种基于动态标签分配的细胞抗核抗体荧光识别方法及系统，属于计算机视觉与医学图像分析技术领域，解决现有技术无法有效的提取显著区域的特征、分类效果差、假阴性多等问题。本发明包括准备并清洗人体细胞的抗核抗体荧光图像；根据多示例学习中包和示例的概念，将原图抽象为包，并拆解出对应的示例，初始化示例的标签为包标签；搭建以残差神经网络为骨架，图神经网络分类器为聚合头的识别网络，即神经网络模型；确定神经网络模型的损失函数，以及相关的超参数，并训练神经网络模型，并使用动态标签分配技术迭代更新示例的标签；在额外的图像数据上进行神经网络模型的性能验证。本发明用于人体细胞抗核抗体的标签识别。
基于动态标签分配细胞抗体荧光识别方法系统

[发明专利]一种在样本不平衡条件下显微图像的细胞识别方法及系统-CN202010709977.6在审
发明人：向北海;许会 -专利权人：湖南国科智瞳科技有限公司
申请日： 2020-07-22 - 公布日： 2020-10-02 - 主分类号： G06T7/00 文献下载
摘要：本发明公开一种在样本不平衡条件下显微图像的细胞识别方法及系统，该方法针对实际应用中用于模型训练的各类样本不平衡的问题，利用深度卷积生成对抗网络生成与各类样本中数量较少的样本服从近似分布的新细胞图像，以扩充数量较少样本的数量，以解决各类样本不平衡的问题；然后利用平衡训练集中各个细胞图像及对应的细胞特征对卷积神经网络进行训练，可有效避免卷积神经网络过拟合，且细胞图像和细胞特征的同时训练可获得精度较高的卷积神经网络；最后利用训练好的卷积神经网络进行细胞识别本发明的方法通过扩充数量较少的样本、充分利用细胞空间结构信息和传统医生判别特征，有效提升网络的准确度。
一种样本不平衡条件下显微图像细胞识别方法系统

[发明专利]基于强特征和神经网络的上皮细胞分类系统和方法-CN201811058084.9在审
发明人：郏东耀;李玉娟;曾强;庄重 -专利权人：深圳辉煌耀强科技有限公司
申请日： 2018-09-11 - 公布日： 2019-01-11 - 主分类号： G06K9/32 文献下载
摘要：本申请公开了一种基于强特征和神经网络的上皮细胞分类系统和方法。其中系统包括：图像获取装置，用于获取上皮细胞图像；强特征处理装置，与所述图像取装置连接，用于对所述上皮细胞图像进行强特征提取；卷积神经网络处理装置，与所述图像获取装置连接，用于通过卷积神经网络对所述上皮细胞图像进行特征提取；特征融合装置，分别与所述强特征处理装置和所述卷积神经网络处理装置连接，用于对提取结果进行融合；分类装置，与所述特征融合装置连接，用于对所述上皮细胞图像进行分类。该系统通过考虑了强特征处理和卷积神经网络的不同特点，将二者优势进行了结合；能够保证图像特征提取的全面性，提高分类结果的准确性。
上皮细胞卷积神经网络图像特征处理装置图像获取装置处理装置分类系统神经网络特征融合特征提取装置连接图像特征提取分类结果分类装置特征处理全面性融合分类申请保证

[发明专利]一种基于卷积神经网络的骨髓细胞识别方法及系统-CN202310117441.9在审
发明人：杨莉 -专利权人：河南省儿童医院郑州儿童医院
申请日： 2023-02-15 - 公布日： 2023-05-23 - 主分类号： G06V20/69 文献下载
摘要：本发明提供了一种基于卷积神经网络的骨髓细胞识别方法及系统、存储介质，包括：人工对显微镜中摄像装置拍摄的第一组骨髓细胞彩色图像进行标注，得到第一样本集，采用第一样本集对卷积神经网络进行训练，得到训练后的第一卷积神经网络；对显微镜中摄像装置拍摄的第二组骨髓细胞彩色图像按照预设处理方式进行预处理，得到第二样本集，采用第二样本集对所述训练后的第一卷积神经网络进行再次训练，得到训练完成的卷积神经网络模型；获取待识别的骨髓细胞彩色图像，按照所述预设处理方式进行预处理，将预处理得到的结果作为训练完成的卷积神经网络的输入，识别骨髓细胞的具体类型。
一种基于卷积神经网络骨髓细胞识别方法系统

[发明专利]基于深度堆叠卷积神经网络的植物细胞器分割方法及系统-CN202111589428.0在审
发明人：冯旭萍;俞泽宇;杨国峰;何勇 -专利权人：浙江大学
申请日： 2021-12-23 - 公布日： 2022-04-12 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种基于深度堆叠卷积神经网络的植物细胞器分割方法及系统，涉及植物细胞技术领域，该方法包括：将获取的待分割的植物叶组织细胞图像输入到植物细胞器识别模型中，以确定所述植物叶组织细胞图像中各种细胞器的面积以及每种所述细胞器的数量；所述植物细胞器识别模型是根据深度神经网络模型和植物样本数据确定的；其中，所述深度神经网络模型为包含编码网络、语义分割网络和实例分割网络的网络模型；所述语义分割网络和所述实例分割网络均包括解码部分；所述编码网络的内部叠加有多个深度可分离卷积层本发明可实现细胞图像中的细胞器分割。
基于深度堆叠卷积神经网络植物细胞器分割方法系统