[发明专利]用于对包含样本中的粒子的输入图像进行分类的方法在审
申请号: | 202180072000.0 | 申请日: | 2021-10-19 |
公开(公告)号: | CN116888643A | 公开(公告)日: | 2023-10-13 |
发明(设计)人: | 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 | 申请(专利权)人: | 生物梅里埃公司;拜尔阿斯特公司 |
主分类号: | G06V20/69 | 分类号: | G06V20/69 |
代理公司: | 北京品源专利代理有限公司 11332 | 代理人: | 谭营营;胡彬 |
地址: | 法国马西*** | 国省代码: | 暂无信息 |
权利要求书: | 暂无信息 | 说明书: | 暂无信息 |
摘要: | 本发明涉及一种用于对包含样本(12)中的目标粒子(11a‑11f)的至少一个输入图像进行分类的方法,该方法的特征在于,它包括经由客户端(2)的数据处理装置(20)实施以下步骤:(b)提取所述目标粒子(11a‑11f)的特性的向量,所述特性是数字系数,每个数字系数与基本图像集合中的一个基本图像相关联,每个基本图像表示参考粒子,使得由所述系数加权的所述基本图像的线性组合近似于输入图像中的所述目标粒子(11a‑11f)的表示;(c)取决于特性的所述提取的向量,对所述输入图像进行分类。 | ||
搜索关键词: | 用于 包含 样本 中的 粒子 输入 图像 进行 分类 方法 | ||
【主权项】:
暂无信息
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生物梅里埃公司;拜尔阿斯特公司,未经生物梅里埃公司;拜尔阿斯特公司许可,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/202180072000.0/,转载请声明来源钻瓜专利网。
- 上一篇:用于对代表样本中的粒子的输入图像进行分类的方法
- 下一篇:成像系统
- 同类专利
- 用于对包含样本中的粒子的输入图像进行分类的方法-202180072000.0
- 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包含样本(12)中的目标粒子(11a‑11f)的至少一个输入图像进行分类的方法,该方法的特征在于,它包括经由客户端(2)的数据处理装置(20)实施以下步骤:(b)提取所述目标粒子(11a‑11f)的特性的向量,所述特性是数字系数,每个数字系数与基本图像集合中的一个基本图像相关联,每个基本图像表示参考粒子,使得由所述系数加权的所述基本图像的线性组合近似于输入图像中的所述目标粒子(11a‑11f)的表示;(c)取决于特性的所述提取的向量,对所述输入图像进行分类。
- 使用一个或更多个神经网络的对象分类-202280008644.8
- A·迈伦恩科;徐子乐;杨栋;H·罗斯;徐大光 - 辉达公司
- 2022-07-28 - 2023-09-19 - G06V20/69
- 提出了用于对图像中的对象进行分类的装置、系统和技术。在至少一个实施例中,一个或更多个神经网络用于至少部分地基于该一个或更多个神经网络已经使用一个或更多个完整图像和该一个或更多个完整图像的一个或更多个部分进行了训练,来识别该一个或更多个完整图像中的一个或更多个对象。
- 基于注意力的多示例学习-202180074126.1
- 聂垚;李骁;T·K·阮;F·加雷;E·克莱曼;I·本-肖尔;J·戈登布拉特;O·E·哈达 - 基因泰克公司;豪夫迈·罗氏有限公司;文塔纳医疗系统公司
- 2021-11-01 - 2023-08-04 - G06V20/69
- 系统和方法涉及通过使用神经网络处理数字病理学图像来预测疾病进展。访问描绘用一种或多种染色剂染色的样本的数字病理学图像。所述样本可以已经从受试者进行收集。针对所述数字病理学图像定义块集。所述块集中的每个块描绘所述数字病理学图像的一部分。针对所述块集中的每个块并且使用注意力评分神经网络来生成注意力评分。所述注意力评分神经网络可以已经使用损失函数进行过训练,所述损失函数对跨训练数字病理学图像中的块的注意力评分可变性进行罚分,所述训练数字病理学图像被标记以指示没有后续疾病进展或低的后续疾病进展。使用结果预测神经网络和所述注意力评分来生成结果,所述结果表示关于所述受试者的疾病是否会进展或进展程度的预测。
- 用于分析生物标本的图像的计算模型-202180071617.0
- T·杰克逊;N·霍尔茨;C·埃德伦德;R·舍格伦 - 赛多利斯生物分析仪器有限公司
- 2021-11-15 - 2023-07-07 - G06V20/69
- 描述了一种使用计算模型分析生物标本的图像的方法,所述方法包括使用所述计算模型处理所述生物标本的细胞图像和所述生物标本的相衬图像以生成输出数据。所述细胞图像是所述生物标本在第一焦平面处的第一明场图像和所述生物标本在第二焦平面处的第二明场图像的合成。所述方法还包括执行所述输出数据和参考数据的比较,并基于所述输出数据和所述参考数据的所述比较来改进所述计算模型。所述方法还包括此后根据所述计算模型处理附加图像对,以基于由所述计算模型生成的附加输出数据与附加参考数据的比较来进一步改进所述计算模型。
- 用于细胞图像分类的高效稳健的高速神经网络-202180030201.4
- 龚礼予;刘明昌 - 索尼集团公司;美国索尼公司
- 2021-11-19 - 2023-04-07 - G06V20/69
- 本文描述了用于细胞图像分类的高效稳健的高速神经网络。用于细胞图像分类的神经网络利用soft‑max分数之间的差异来确定细胞是否不明确。如果细胞不明确,那么该细胞被分类为伪类,而如果细胞不是不明确的,那么该细胞被分类为与最高类分数对应的类。用于细胞图像分类的神经网络使得能够实现高速度、高准确性和高召回率。
- 一种用于基于图像的无监督细胞聚类和分选的框架-202180030165.1
- S-H·蒋;刘明昌 - 索尼集团公司;美国索尼公司
- 2021-11-19 - 2022-12-16 - G06V20/69
- 本文中说明了一种包括特征提取器和用于聚类的聚类组件的框架。该框架支持(1)离线的基于图像的无监督聚类,该无监督聚类代替耗时的人工设门;(2)在线的基于图像的单细胞分选。在训练期间,使用具有或不具有真值的一个或多个细胞图像数据集来训练特征提取器,该特征提取器基于包括若干卷积层的神经网络。一旦经过训练,特征提取器就用于提取细胞图像的特征,用于无监督细胞聚类和分选。另外,在特征提取器已被训练之后,可以使用附加数据集进一步改进特征提取器。
- 用于灵活的基于图像的颗粒分选的分类工作流-202180030063.X
- M·佐尔丹;刘明昌;K-K·A·黄;S-H·蒋;龚礼予 - 索尼集团公司;美国索尼公司
- 2021-11-19 - 2022-12-02 - G06V20/69
- 基于图像的分类工作流使用无监督聚类来帮助用户识别感兴趣的亚群以进行分选。标记的细胞图像用于为特定实验微调有监督分类网络。所述工作流允许用户对各种应用以相同方式选择群体进行分选。有监督分类网络非常快,这允许其在细胞行进通过设备时做出实时分选决定。所述工作流更加自动化并且具有更少的用户步骤,从而提高了易用性。所述工作流使用机器学习来避免人为错误和手动门控的偏差。所述工作流不需要用户是图像处理方面的专家,因此增加了易用性。
- 专利分类