一种细胞显微图像数据扩充的方法

    公开(公告)号:CN110322440B

    公开(公告)日:2023-01-13

    申请号:CN201910611484.6

    申请日:2019-07-08

    Inventor: 李晨 张昊 许宁

    Abstract: 一种细胞显微图像数据扩充的方法,包括:S1、生成细胞核背景图像的获取:采用预先训练的生成式对抗网络模型生成细胞显微图像块,预先训练的生成式对抗网络模型是依据相同类型的原始细胞显微图像训练得到的;对图像块进行随机选取、拼接和剪裁,获得与原始细胞显微图像像素一致的生成细胞核背景图像。S2、细胞核图像的获取:对原始细胞显微图像进行图像分割,获取细胞核图像。S3、图像融合:将生成细胞显微图像和细胞核图像进行融合,获得生成细胞显微图像。保留了细胞显微图像的次要特征和重要特征,使得获得的生成细胞显微图像与原始细胞显微图像的特征更相似。

    一种基于半监督k-means算法的乳腺癌病理组织图像分割方法

    公开(公告)号:CN109102510B

    公开(公告)日:2022-08-26

    申请号:CN201810877093.4

    申请日:2018-08-03

    Applicant: 东北大学

    Abstract: 本发明涉及一种基于半监督k‑means算法的乳腺癌显微病理组织图像分割方法,所述方法包括:所述方法包括:101、获取一张待处理的乳腺癌显微病理组织图片;102、对获取的乳腺癌显微病理组织图片进行预处理;103、将经过预处理的乳腺癌显微病理组织图片采用分割算法进行聚类分割,获取聚类中心;104、将步骤103中获取的聚类中心作为初始聚类中心,将步骤102中经过预处理的乳腺癌显微病理组织图片进行初始化k‑means分割,获得一个多类图像染色区矩阵,并对多类图像染色区矩阵的每一类图像染色区采用一种颜色进行染色;105、将获取的多类图像矩阵数据以图片的格式进行展示;本发明提供的图像分割方法,能够使普通计算机完成对JPEG格式乳腺癌显微病理组织图像的分割。

    一种细胞显微图像数据扩充的方法

    公开(公告)号:CN110322440A

    公开(公告)日:2019-10-11

    申请号:CN201910611484.6

    申请日:2019-07-08

    Applicant: 东北大学

    Inventor: 李晨 张昊 许宁

    Abstract: 一种细胞显微图像数据扩充的方法,包括:S1、生成细胞核背景图像的获取:采用预先训练的生成式对抗网络模型生成细胞显微图像块,预先训练的生成式对抗网络模型是依据相同类型的原始细胞显微图像训练得到的;对图像块进行随机选取、拼接和剪裁,获得与原始细胞显微图像像素一致的生成细胞核背景图像。S2、细胞核图像的获取:对原始细胞显微图像进行图像分割,获取细胞核图像。S3、图像融合:将生成细胞显微图像和细胞核图像进行融合,获得生成细胞显微图像。保留了细胞显微图像的次要特征和重要特征,使得获得的生成细胞显微图像与原始细胞显微图像的特征更相似。

    一种基于半监督k-means算法的乳腺癌病理组织图像分割方法

    公开(公告)号:CN109102510A

    公开(公告)日:2018-12-28

    申请号:CN201810877093.4

    申请日:2018-08-03

    Applicant: 东北大学

    Abstract: 本发明涉及一种基于半监督k-means算法的乳腺癌显微病理组织图像分割方法,所述方法包括:所述方法包括:101、获取一张待处理的乳腺癌显微病理组织图片;102、对获取的乳腺癌显微病理组织图片进行预处理;103、将经过预处理的乳腺癌显微病理组织图片采用分割算法进行聚类分割,获取聚类中心;104、将步骤103中获取的聚类中心作为初始聚类中心,将步骤102中经过预处理的乳腺癌显微病理组织图片进行初始化k-means分割,获得一个多类图像染色区矩阵,并对多类图像染色区矩阵的每一类图像染色区采用一种颜色进行染色;105、将获取的多类图像矩阵数据以图片的格式进行展示;本发明提供的图像分割方法,能够使普通计算机完成对JPEG格式乳腺癌显微病理组织图像的分割。

    一种基于膜计算的病理学显微图像分类方法

    公开(公告)号:CN109508680A

    公开(公告)日:2019-03-22

    申请号:CN201811379146.6

    申请日:2018-11-19

    Applicant: 东北大学

    Abstract: 本发明提供一种基于膜计算的病理学显微图像分类方法。所述方法包括:S1、基于深度学习对病理学显微图像库进行训练,获得训练好的神经网络;S2、使用训练好的神经网络建立图像处理膜计算结构模型;S3、将待处理的显微图像输入膜计算结构模型,获得待处理的显微图像的分类结果。上述方法将膜计算方法引入到了显微图像分析领域,提高了病理学显微图像分类的准确率。

Patent Agency Ranking