[发明专利]一种癌细胞识别方法、装置和系统有效
| 申请号： | 201910437743.8 | 申请日： | 2019-05-24 |
| 公开（公告）号： | CN110263656B | 公开（公告）日： | 2023-09-29 |
| 发明（设计）人： | 刘亮希;黄骏;史玉回;马思清 | 申请（专利权）人： | 南方科技大学 |
| 主分类号： | G06V20/69 | 分类号： | G06V20/69;G06V10/25;G06V10/26;G06V20/70;G06V10/764;G06V10/766;G06V10/82 |
| 代理公司： | 广州嘉权专利商标事务所有限公司 44205 | 代理人： | 唐致明;洪铭福 |
| 地址： | 518055 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种癌细胞识别方法、装置和系统。方法包括处理细胞图像以获取第一特征图；处理第一特征图以获得集合；处理集合以获得第二特征图，处理第二特征图以获得癌细胞检测框和癌细胞编码；基于深度学习网络处理癌细胞检测框以输出种类信息。本发明通过处理细胞图像以获得椭圆的细胞候选框的集合，椭圆形候选框相对于正常的矩形框，能够降低后续处理时出现的背景噪音；处理集合以获得癌细胞检测框和癌细胞编码，分割癌细胞以供种类分析，癌细胞编码能降低后续批量处理图像难度；处理癌细胞检测框以输出种类信息，能够通过成熟的深度学习网络识别得到癌细胞的类型，相对于现有的识别方式，更能适应复杂细胞环境下的癌细胞识别。 | ||
| 搜索关键词： | 一种 癌细胞 识别 方法 装置 系统 | ||
【主权项】：
1.一种癌细胞识别方法，其特征在于，包括：处理待检测的细胞图像以获取第一特征图；基于区域建议网络处理所述第一特征图以获得椭圆的细胞候选框的集合；基于ROIAlign处理所述细胞候选框的集合以获得第二特征图，通过预设的全连接网络处理所述第二特征图以获得癌细胞检测框并赋予用于区别癌细胞的癌细胞编码；基于预设的深度学习网络处理所述癌细胞检测框以输出用于标记癌细胞种类的种类信息。
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南方科技大学，未经南方科技大学许可，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/201910437743.8/，转载请声明来源钻瓜专利网。
- 上一篇：发光型指纹芯片模组
- 下一篇：一种人眼追踪方法、装置、系统、设备和存储介质
- 同类专利
- 一种数据知识双驱动的硅藻图像分类系统和方法-202310929751.0
- 丛璐璐;吴伟;刘纯玉;李沁欣 - 中国科学院南京地理与湖泊研究所
- 2023-07-26 - 2023-10-27 - G06V20/69
- 本发明公开了一种数据知识双驱动的硅藻图像分类系统和方法，该系统包括生成对抗网络模块、知识学习模块和深度残差网络模块；生成对抗网络模块设计一个适合硅藻图像生成的生成对抗网络模型以扩充硅藻图像数据集。知识学习模块将硅藻知识嵌入到知识向量空间。深度残差网络模块则将硅藻图像嵌入到特征向量空间。为克服知识域和特征域语义鸿沟，利用知识辅助深度残差网络分类，本发明采用多层感知机将知识域嵌入投影到特征域，并采用最小均方误差损失函数最小化特征域内知识嵌入和特征嵌入的距离。相较于传统未加生成对抗网络和知识属性的分类模型，本发明方法在准确率(Precision)提升了8.6％、召回率(Recall)提升了9.7％、损失降低了31.6％。
- 一种基于荧光视频的神经元胞体自动识别系统-202010194079.1
- 吴钧杰;王汉斌 - 南京景瑞康分子医药科技有限公司
- 2020-03-19 - 2023-10-27 - G06V20/69
- 本发明公开一种基于荧光视频的神经元胞体自动识别系统，使用构造视频模块将荧光视频转换为高信噪比的构造视频，采用胞体识别分割模块识别并区分存在空间投影重叠的胞体区域，并为使用者提供友好方便的用户偏好设置，最终提供稳定准确的神经元胞体自动识别结果。
- 一种基于光学图像识别的二点委夜蛾饲养方法及系统-202210979627.0
- 安静杰;郭江龙;高占林;李耀发;党志红 - 河北省农林科学院植物保护研究所
- 2022-08-16 - 2023-10-27 - G06V20/69
- 本发明公开了一种基于光学图像识别的二点委夜蛾饲养方法及系统，通过获取二点委夜蛾生长图像数据分析得到生长异常信息，根据生长异常信息将生长异常和羽化异常的二点委夜蛾进行提前预测并清除，得到较为健康的饲养组，提高了健康饲养二点委夜蛾的效率。另外，通过获取光学显微图像，得到微孢子虫感染信息，并根据感染信息进行二点委夜蛾的一代和二代健康筛选，得到去除微孢子虫病的健康二点委夜蛾饲养组，本发明具有较强的实用性和高效性。另外，本发明通过分析采集点的环境信息，能够得到较佳的二点委夜蛾采集点，从而提高二点委夜蛾的采集健康率，实现了提高健康二点委夜蛾饲养效率的目的。
- 一种病理学图像细胞拓扑特征提取方法-202310981692.1
- 董亚东;赵杰;李明原;何贤英;马倩倩;王琳琳;王琳;卢耀恩 - 郑州大学第一附属医院
- 2023-08-04 - 2023-10-24 - G06V20/69
- 本发明涉及一种病理学图像细胞拓扑特征提取方法，获取病理学图像，对病理学图像进行细胞分割，对细胞分割后的病理学图像进行轮廓提取，得到细胞轮廓信息，根据细胞轮廓信息，构建细胞之间的拓扑结构，基于构建的细胞拓扑结构，提取细胞拓扑特征。本发明提供的一种病理学图像细胞拓扑特征提取方法，充分考虑病理学图像中细胞间的拓扑特征，弥补了传统基于细胞形态、颜色、纹理等方法局限于像素特征的问题，以及弥补了传统神经网络模型局限于像素特征的问题，从生物意义出发提取拓扑特征，作为基于像素特征提取方法的补充，让计算机更全面的理解病理学图像。
- 一种基于深度学习的纳米颗粒团聚自动化在线定量分析方法-202210328541.1
- 王卓;孙志坚 - 中国科学院沈阳自动化研究所
- 2022-03-30 - 2023-10-24 - G06V20/69
- 本发明公开一种基于深度学习的纳米颗粒团聚自动化在线定量分析方法，包括提出一种基于SFNet的改进轻量化纳米颗粒团聚分割网络,采用轻量化网络主干GhostNet、基于深度可分离卷积和密集连接思想改进的轻量化空洞空间池化金字塔和卷积注意力模块以及串联通道自注意力和位置注意力自注意力的改进方法提高了纳米颗粒团聚分割的准确性和实时性。对分割结果进行连通域分析进而得到SEM/TEM图像中纳米颗粒团聚的当量直径和综合形状系数并统计分析得到分布直方图。本发明易于在嵌入式设备上部署并且在在具有非纳米颗粒团聚目标干扰和高强度背景噪声的SEM/TEM图片中实现快速准确对各种纳米颗粒团聚自动化分析，具有良好的鲁棒性和普适性。
- 一种基于深度学习的在SEM/TEM图像中纳米颗粒分割方法-202210348165.2
- 王卓;孙志坚 - 中国科学院沈阳自动化研究所
- 2022-03-30 - 2023-10-24 - G06V20/69
- 本发明公开了一种基于深度学习的在SEM/TEM图像中纳米颗粒分割方法。分割方法采用一个基于Deeplabv3+的改进轻量化纳米颗粒分割网络用于分割纳米颗粒和去除SEM/TEM图像的复杂背景。轻量化纳米颗粒分割网络通过使用空洞卷积改进的轻量化主干，轻量化空洞空间池化金字塔，双注意力机制等三个方面措施改进提高了纳米颗粒分割的准确性和实时性。本发明提出的方法可以易于在嵌入式设备上部署并且实现在有严重背景干扰，极小纳米颗粒目标和稠密纳米颗粒的SEM/TEM图片中实现大多数种类纳米颗粒材料分割，具有良好的鲁棒性和普适性。
- 一种基于高光谱图像深度学习的智能识别方法、装置及介质-202310772036.0
- 张天才;邓贤明;吴护林;李忠盛;周堃;牛飞龙;向伟;吴法霖;陈知华;朱凡;张翼翔;汪家辉;代欣位;徐塱;王森 - 中国兵器装备集团西南技术工程研究所
- 2023-06-27 - 2023-10-24 - G06V20/69
- 本发明公开了一种基于高光谱图像深度学习的智能识别方法、装置及介质，涉及图像处理领域，包括：S1、制备深度学习样本；S2、采集样本高光谱图像；S3、样本高光谱图像预处理；S4、显微高光谱图像识别训练并输出图像。本发明在高光谱图像上做3D残差卷积可以更充分地对光谱维度进行特征提取，利用3D卷积替代传统2D卷积可以直接将高光谱数据块送入网络训练，无需前期降维等操作，避免了高光谱图像信息量的损失；同时提取其空间和光谱信息进行模型训练；在图像数量较少的情况下依旧可以达到不错的训练效果；综上，提高图像识别准确率。
- 一种细胞异常样本智能化检测方法-202311196273.3
- 李文君 - 上海大学
- 2023-09-18 - 2023-10-24 - G06V20/69
- 本发明涉及光谱数据分析技术领域，提出了一种细胞异常样本智能化检测方法，包括：采集细胞样本的高光谱数据；根据成像空间相邻位置在不同波段的光谱值，获取每个波段的若干初始局部范围及可使用度，得到成像空间中若干第一局部范围；获取每个位置在每个波段的第一信息分布程度，以及每个波段的第二信息分布程度，得到每个波段的修正系数；根据修正系数对PCA降维中每个波段的特征值进行修正，得到若干特征波段，通过构建分类模型完成细胞异常样本的智能化检测。本发明旨在解决通过高光谱数据分析细胞过程中，由于对高光谱数据通过固定波段进行降维而未考虑信息分布而导致分类模型不准确影响检测结果的问题。
- 革兰染色图像的目标识别与分割算法及系统-202311018962.5
- 娄博华;杨旭;朱慧敏;沈海东;刘中华;王国强 - 江苏硕世生物科技股份有限公司
- 2023-08-11 - 2023-10-24 - G06V20/69
- 本发明涉及一种革兰染色图像的目标识别与分割算法及系统。所述算法包括：图像采集与标注；训练初始识别与分割模型；微调训练目标识别分支；微调训练目标分割分支；图像识别与分割结果输出。本发明在目标识别算法中，增加全局图像的语义分割检测分支，能够快速有效地实现染色图像中多种细胞或菌种目标的同时检出，从而提高医务人员的工作效率和多类目标检出任务的准确性。
- 一种DC细胞检测方法及系统-202310376762.0
- 聂宵;田国忠;张鹏 - 沃森克里克（北京）生物科技有限公司
- 2023-04-11 - 2023-10-24 - G06V20/69
- 本发明公开了一种DC细胞检测方法及系统，通过第一采集频次F
- 一种基于显微镜图像的藻类检测方法及系统-202310284698.3
- 胡圣;尚子涵;李斌;王英才;张晶;彭玉;李书印;方标;熊丹妮;雷琦 - 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心;武汉大江锐视生态科技有限公司;武汉润江生态科技有限公司
- 2023-03-22 - 2023-10-24 - G06V20/69
- 本发明公开了一种基于显微镜图像的藻类检测方法及系统，包括以下步骤：S1：采集水样不同液层的图像数据，获得序列图像；S2：计算所述序列图像的清晰度；S3：从所述序列图像中筛选出清晰度满足预设要求的图像数据；S4：构建藻类深度学习模型，利用所述藻类深度学习模型，在筛选出来的每张清晰图像上检测藻类种属和对应的像素坐标；S5：对所有筛选出来的清晰图像上检测出来的藻类结果进行合并，实现单视野下多液层藻类检测的目标。本发明将不同液层采集的清晰图像数据进行藻类检测与识别，然后将它们的检测结果进行合并，可以实现单视野下多液层藻类检测的目标。
- 基于掩膜区域卷积神经网络的荧光编码微球图像检测方法-201811495516.2
- 史再峰;刘铭赫;曹清洁;李晖;任辉政 - 天津大学
- 2018-12-07 - 2023-10-24 - G06V20/69
- 本发明涉及计算机视觉的图像处理领域，为在悬浮芯片技术基础上，针对分析方法中存在的成本较高、准确度不足等问题，结合显微图像采集技术，可准确检测待检物种类与浓度，具有操作简单、灵活、成本低等优点，本发明，基于掩膜区域卷积神经网络的荧光编码微球图像检测方法,步骤如下：步骤1：微球图像获取；步骤2：图像裁剪与标注；步骤3：训练样本集与测试集建立；步骤4：掩膜区域卷积神经网络搭建；步骤5：网络训练和验证，利用随机梯度下降法进行训练掩膜区域卷积神经网络；步骤6：图像采集与分析。本发明主要应用于计算机图像处理场合。
- 一种基于分类网络的球状组织检测方法及系统-202310858494.6
- 王少迪;周鼎;汪光明;陈家乐;李敏;孔令成 - 江苏金恒信息科技股份有限公司
- 2023-07-12 - 2023-10-20 - G06V20/69
- 本申请提供一种基于分类网络的球状组织检测方法及系统，所述方法包括：获取待评级样块的采样图像；对所述采样图像进行分割，得到若干切割图像；将所述切割图像输入识别模型，以获得所述识别模型输出识别结果，所述识别模型为根据样本图像训练获得的神经网络模型，所述样本图像为所述采样图像经过分割后获得的，带有等级标签的图像；融合多个所述识别结果，得到样块等级。通过对待评级样块进行图像采集获得采样图像后，并对采用图像进行分割，将分割后的采样图像输入识别模型获取识别结果，根据识别结果获取样块等级，通过对采样图像的分割和识别模型检测分割图像，以解决金相球状组织检测正确率较低的问题。
- 一种基于深度学习的肾脏病理切片细胞识别方法及系统-202310932789.3
- 黄凇崧;宋文玉;彭丹 - 贵州医科大学附属医院
- 2023-07-27 - 2023-10-20 - G06V20/69
- 本发明提供了一种基于深度学习的肾脏病理切片细胞识别方法及系统，涉及肾脏病理切片识别技术领域，该基于深度学习的肾脏病理切片细胞识别方法包括以下步骤：获取病理切片图像；对病理切片图像进行预处理操作得到标准化图像；基于标准化图像并利用改进的otsu阈值分割法进行分割出来，得到单细胞图像；构建单细胞识别模型，并对单细胞图像进行识别，得到细胞识别结果；根据细胞的识别结果对肾脏病理进行评估和诊断。本发明采用深度学习算法，可以实现对肾脏病理切片图像中细胞的自动识别，减少了人工操作的需求，提高了分析的效率，通过对细胞的识别和分类，能够为肾脏病理的评估和诊断提供重要信息。
- 一种基于TFNet的晶圆工艺缺陷分类分割方法-202310889434.0
- 陈一宁;罗悦宁;高大为 - 浙江大学
- 2023-07-18 - 2023-10-20 - G06V20/69
- 本发明涉及一种基于TFNet的晶圆工艺缺陷分类分割方法,包括：将初始缺陷sem图输入至特征提取网络中，生成特征映射；将特征提取网络中其中一个编码器块输出的特征映射输入至形状流分支中，生成第一拼接特征；将特征提取网络中最后一个编码器块输出的分辨率最小的第五特征映射与第一拼接特征进行拼接，获取第二拼接特征；将第二拼接特征输入至卷积核中，生成拼接特征；将所述拼接特征与编码器块输出的特征映射共同输入至MCF交叉注意模块，获取融合特征；将融合特征输入至解码器中，生成mask图；将mask图输入至网络分类头，生成缺陷类别和混淆矩阵。本发明可以高速准确地分割缺陷图像，具有良好的泛化性和分割效果，有助于实现对相应缺陷工艺的修复改进。
- 一种自动识别和计算芯片内部键合丝数量的方法-202311056449.5
- 吴佳;李礼;吴叶楠 - 上海威固信息技术股份有限公司
- 2023-08-21 - 2023-10-20 - G06V20/69
- 本发明提供了一种自动识别和计算芯片内部键合丝数量的方法，包括：获取芯片内部键合丝的X‑Ray图或3D OM图；将所述X‑Ray图或3D OM图导入识别模块内；所述识别模块基于Open Cv库进行图像处理，得到处理好的图片；对所述处理好的图片利用LSD算法获得直线段检测结果，确定键合丝的数量。本发明能够实现快速、准确、高效统计芯片内部引线键合丝的数量，解决人工统计费时、费力、易出错的难题。
- 利用人工智能和机器学习的高内涵化学品肺毒性筛查方法-202311186847.9
- 周洋;于云江;韩雅静;董光辉;秦小迪;许宜平;吉贵祥;石利利;任明忠;向明灯 - 生态环境部华南环境科学研究所（生态环境部生态环境应急研究所）
- 2023-09-14 - 2023-10-20 - G06V20/69
- 本发明涉及化学品肺毒性筛查技术领域，具体地说，涉及利用人工智能和机器学习的高内涵化学品肺毒性筛查方法。其包括比对特征图像以及细胞常态特征数据库，确定不同时期的损害健康效应的应答通路；统计不同化合物对不同细胞产生的应答通路，建立多维表型信息数据库。本发明通过比对特征图像以及细胞常态特征数据库，确定不同时期的损害健康效应的应答通路，通过统计不同化合物对不同细胞产生的应答通路，建立多维表型信息数据库，计算各个化合物对细胞生长产生的影响参数，通过各个化合物的影响参数预测出当前化合物对人体肺部影响程度，提前对未识别的化学品进行毒性分析，筛查出释放至大气中可能危害人体肺部的化学品。
- 数字病理切片图像的采集方法、装置、计算机设备及存储介质-201911116846.0
- 车拴龙;罗丕福;刘斯;李映华;苏钜铭;李晶;丁向东;张志魁 - 广州金域医学检验中心有限公司
- 2019-11-15 - 2023-10-20 - G06V20/69
- 本申请涉及一种数字病理切片图像的采集方法，所述方法包括：获取实时采集到病理切片的视频图像，所述视频图像为病理切片在显微镜下呈现的图像；对所述视频图像进行识别分析，确定待识别目标在视频图像中的位置；根据所述待识别目标在视频图像中的位置实时调节所述显微镜，同时获取实时调节所述显微镜采集到的视频图像；根据待识别目标对采集到的视频图像进行类型标注，所述视频图像有多张；根据所述类型标注对采集到的视频图像进行压缩处理，得到压缩处理后的数字病理切片图像。本申请通过对采集到的视频图像进行压缩处理，得到压缩处理后的数字病理切片图像，可减少数字病理切片图像占用的存储空间。此外，本申请还提出了一种数字病理切片图像的采集装置、计算机设备及存储介质。
- 基于迁移学习的白细胞图像检测识别模型构建方法及应用-201911259660.0
- 李柏蕤;方喆君;连荷清;吕东琦 - 北京小蝇科技有限责任公司
- 2019-12-10 - 2023-10-17 - G06V20/69
- 本发明涉及基于迁移学习的白细胞图像检测识别模型构建方法及应用，本发明通过构建基于迁移学习的白细胞图像检测识别模型，coco数据集及标注的白细胞图片作为样本对白细胞图像检测识别模型进行训练。白细胞图像检测识别模型提取三级融合的特征金字塔，分别对应不同尺寸特征的白细胞，设置不同的先验轮廓框，加速网络收敛，提高识别的效率和准确性。基于白细胞图像检测识别模型自动、高效的对白细胞图像进行检测识别和统计数目，提高了检测识别精度，排除了人为，主观因素，公正客观。本发明检测识别一张图像推理时间为0.05秒，每秒可完成20张白细胞图像的分析。对正常六类白细胞识别准确率达到了98％。
- 一种染色体中期图识别和分割方法-202010346157.5
- 韦广立;张娟;请求不公布姓名;李仪;穆阳 - 湖南自兴智慧医疗科技有限公司
- 2020-04-27 - 2023-10-17 - G06V20/69
- 本发明公开了一种染色体中期图识别和分割方法，主要包括如下部分：识别并使用矩形框定位不同染色体实例在中期图中位置、基于矩形框区域按类别对染色体的分割掩码进行预测，对预测的分割掩码进行融合，最终根据融合的分割掩码从染色体中期图中分割出不同类别的染色体。本发明在不显著降低预测效率的情况下，有效解决了染色体中期图分割时存在的染色体分割不完整、“X”型交叉分割不稳定、长染色体被截断识别为短小染色体等问题，使得染色体中期图的自动分割结果具备实际应用价值，从而大大提升了染色体图像分析的自动化程度，让影像分析人员可以有更多的精力投入到染色体疾病诊断等专业的工作中。
- 基于多通道信息融合的细胞分类方法和装置-202310935341.7
- 吕行;王华嘉;邝英兰;叶莘 - 珠海横琴圣澳云智科技有限公司
- 2023-07-28 - 2023-10-17 - G06V20/69
- 本发明提供一种基于多通道信息融合的细胞分类方法和装置，通过利用细胞实例分割模型，对细胞核图像进行实例分割，得到细胞核图像中各个细胞的细胞区域后，从各通道的荧光信号点图像中裁切出同一细胞在各通道的细胞荧光图像，再将任一细胞在各通道的细胞荧光图像输入至二分类模型中，以利用二分类模型对该细胞在各通道的细胞荧光图像进行图像特征提取，提取并融合各个通道下的信号点特征，得到该细胞的融合图像特征，并基于该细胞的融合图像特征对该细胞进行分类，得到该细胞的细胞分类结果，可以更好地对细胞荧光图像的信号点特征进行提取和学习，并进行有效的特征融合，从而对该细胞做出更合理的判断，提高了细胞分类的效率和准确率。
- 一种乳腺癌分子亚型的识别系统-202310831537.1
- 赖胜圣;杨蕊梦;甄鑫;梁芳蓉;张婉丽;刘虔铖;韦瑞丽 - 广东食品药品职业学院;广州市第一人民医院（广州消化疾病中心、广州医科大学附属市一人民医院、华南理工大学附属第二医院）
- 2023-07-07 - 2023-10-13 - G06V20/69
- 本发明公开了一种乳腺癌分子亚型的识别系统，包括：模型构建模块、序列获取模块、特征提取模块、特征融合模块以及乳腺癌分子亚型识别模块；所述模型构建模块，用于获取经病理证实的乳腺癌MRI图像的M个MRI序列样本，并分别提取每一MRI序列样本中N个样本对象的影像组学特征数据；对每一MRI序列样本的影像组学特征数据进行筛选得到每一MRI序列样本的若干关键影像组学特征；基于所述关键影像组学特征建立乳腺癌分子亚型识别模型；所述乳腺癌分子亚型识别模块，用于将待识别融合序列输入乳腺癌分子亚型识别模型中，以使乳腺癌分子亚型识别模型输出与待识别乳腺癌MRI图像对应的乳腺癌分子亚型。
- 基于旋转等变网络的胚胎发育阶段预测与质量评估系统-202311123759.4
- 代文;谭威;陈长胜;彭松林;熊祥;云新 - 武汉互创联合科技有限公司
- 2023-09-01 - 2023-10-13 - G06V20/69
- 本发明公开了一种基于旋转等变网络的胚胎发育阶段预测与质量评估系统，包括图像数据集、图像预处理模块、发育阶段粗分类模块、图像分割模块、发育阶段细分类模块和发育质量分级模块，其中发育阶段粗分类模块采用加入旋转等变网络的深度学习神经网络结构，以提取待检测图像中的旋转不变特征。本发明采用基于先分割后细分类和分级的方法可以通过聚焦信息交互的范围和充分挖掘好的特征表达提升细分类及分级的结果和效率；通过挖掘胚胎图像的旋转不变特征提升粗分类的精度，有效提升胚胎发育阶段预测的准确率。
- 用于对代表随时间推移的样本中粒子的输入图像序列进行分类的方法-202180072004.9
- 皮埃尔·马埃;马里亚姆·埃尔·阿扎米;埃洛迪·德古-沙尔梅特;祖赫·塞德加特;昆廷·若索;法比安·罗尔 - 生物梅里埃公司;拜尔阿斯特公司
- 2021-10-19 - 2023-10-13 - G06V20/69
- 本发明涉及一种用于对代表随时间推移的样本(12)中的目标粒子(11a‑11f)的输入图像序列进行分类的方法，该方法的特征在于，它包括由客户端(2)的数据处理装置(20)执行以下步骤，即：(b)将序列的输入图像串接成三维堆栈；(c)使用卷积神经网络CNN对三维堆栈进行直接分类。
- 基于自监督学习识别非小细胞肺癌周组织病理类型的方法、装置及存储介质-202310633150.5
- 练勇 - 温州医科大学
- 2023-05-31 - 2023-10-13 - G06V20/69
- 本发明公开了一种一种基于自监督学习识别非小细胞肺癌周组织病理类型的方法，包括以下步骤：S1、建立非小细胞肺癌数字病理图像组织分割数据集，数据集由训练集和测试集组成；S2、设立自监督课程学习策略，分别对训练集和测试集中的病理图像进行标记，通过设定了三个难度递增的借口任务来挖掘数据集中的内在特征，从而构建自监督学习任务来学习和识别病理图像中的信息，从而实现通过网络对病理图像进行标记的目的；S3、进行弱监督组织语义分割；本发明建立了非小细胞肺癌数字病理图像分割数据集，用于建立和优化自监督学习网络，并制定了数据集的准入标准和统计方式，从而提升组监督学习方法和切割的稳定性和准确性，优化识别病理类型模型。
- 一种基于图像识别的噬菌斑计数方法及系统-202311126634.7
- 姜敬哲;刘畅;刘广锋 - 中国水产科学研究院南海水产研究所;深圳至博生物技术工作室
- 2023-09-04 - 2023-10-13 - G06V20/69
- 本发明涉及图像识别技术领域，本发明公开了一种基于图像识别的噬菌斑计数方法及系统，该方法包括以下步骤：获取已形成噬菌斑的固体培养基图像；基于图像识别构建噬菌斑识别系统，采集噬菌斑高清图像；对噬菌斑图像进行预处理；利用机器学习算法对预处理后的噬菌斑图像进行图像特征提取；将提取的图像特征导入噬菌斑识别系统中，将其与预设噬菌斑特征进行对比、匹配，以识别噬菌斑；最后，计算识别出的噬菌斑的数量，并生成噬菌斑计数结果。本发明通过图像识别技术结合机器学习算法，实现了对噬菌斑的准确识别和计数，具有自动化、高效性和精确性的优点，可广泛应用于生物医学研究、药物筛选等领域。
- 一种基于卷积神经网络的多尺寸细胞核识别装置及方法-202110187413.5
- 闫艺婷;王华嘉 - 广州大学华软软件学院
- 2021-02-18 - 2023-10-13 - G06V20/69
- 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。
- 一种基于机器学习的三维肺切片细胞分类和蛋白定量方法-202310955802.7
- 刘子川;郭丽霞;张泽华;杨册 - 昕传生物科技（北京）有限公司
- 2023-08-01 - 2023-10-13 - G06V20/69
- 本发明涉及生物技术领域，尤其是指一种基于机器学习的三维肺切片细胞分类和蛋白定量方法，S1，构建肺组织标准化成像数据集；S2，基于ilastik构建机器学习模型；S3，模型验证，并对细胞中的目标蛋白进行定量。本发明提供的方法训练后的人工智能，可以不依赖传统的特异性细胞标志物，即可在肺切片的免疫荧光图片中，准确实现肺部细胞包括干细胞在内的多种细胞类型的自动识别、分类及其细胞核中目标蛋白的定量。
- 一种利用深度学习的胃癌增强CT图像自动识别系统-201910972587.5
- 刘尚龙;卢云;李营 - 青岛大学
- 2019-10-14 - 2023-10-13 - G06V20/69
- 本发明提出了一种利用深度学习的胃癌增强CT图像自动识别系统，包括：Faster RCNN网络，所述Faster RCNN网络包括：特征提取网络、区域生成网络和感兴趣区域特征向量网络；特征提取网络用于生成卷积特征图；区域生成网络对卷积特征图进行筛选，生成可能为胃癌肿瘤的区域；最后，由感兴趣区域特征向量网络对卷积特征图及生成区域进行回归与分类，最终输出胃癌肿瘤细胞浸润最深的位置以及分割肿瘤结果。本发明的利用深度学习的胃癌增强CT图像自动识别系统，能够对增强CT图像进展期胃癌肿瘤进行识别，可以精确识别胃癌肿瘤部位，并且可以对进展期胃癌肿瘤进行T分期处理，其中对T3与T4期胃癌具有较高的准确性。
- 基于分层图卷积和注意力的病理图像生存分析方法-202310910473.4
- 薛梦凡;曾祥爱;乔韶华;江浩东 - 杭州电子科技大学
- 2023-07-24 - 2023-10-10 - G06V20/69
- 本发明公开了基于分层图卷积和注意力的病理图像生存分析方法。该方法收集全视野数字图像并进行染色预处理。对预处理后的病理图像分割出细胞核并进行特征提取，随后构建细胞图。同时对预处理后的病理图像切块并提取特征，随后构造切片图。构建多层次细胞图和切片图特征融合模型，包括细胞图卷积模块、切片图卷积模块和基于门控注意力读出模块，提取细胞图特征，融合进切片图后，进一步提取切片图特征。最后对病理图级表示利用cox回归进行生存预测。通过提取不同尺度的病理图像信息，并考虑了它们的空间连通性从而探索整张全视野病理图像多层次拓扑结构，平衡效率和粒度，从低层次到高层次对全视野数字病理图像进行预后分析。
- 专利分类
