-
公开(公告)号：CN111383744A
公开(公告)日：2020-07-07
申请号：CN202010481715.9
申请日：2020-06-01
Abstract: 本发明属于医学图像分析领域，并公开了一种医学显微图像的标注信息处理方法与系统以及图像分析设备，医学显微图像的标注信息处理方法包括：步骤S1：获取用户浏览医学显微图像时的多个标注信息；步骤S2：提取每一标注信息的特征，并将特征与其所对应的标注信息进行关联；步骤S3：根据特征将至少两个标注信息整合为事件；本发明为医生和研究者提供一种更便捷的医学显微图像的标注信息处理方法与系统以及图像分析设备。
-
公开(公告)号：CN111383744B
公开(公告)日：2020-10-16
申请号：CN202010481715.9
申请日：2020-06-01
Abstract: 本发明属于医学图像分析领域，并公开了一种医学显微图像的标注信息处理方法与系统以及图像分析设备，医学显微图像的标注信息处理方法包括：步骤S1：获取用户浏览医学显微图像时的多个标注信息；步骤S2：提取每一标注信息的特征，并将特征与其所对应的标注信息进行关联；步骤S3：根据特征将至少两个标注信息整合为事件；本发明为医生和研究者提供一种更便捷的医学显微图像的标注信息处理方法与系统以及图像分析设备。
-
公开(公告)号：CN116487027A
公开(公告)日：2023-07-25
申请号：CN202310363907.3
申请日：2023-04-06
Applicant: 北京邮电大学 , 北京大学第三医院(北京大学第三临床医学院)
IPC: G16H50/20 , G16H70/60 , G06F18/214 , G06F18/241
Abstract: 本发明提供了一种软组织肿瘤病理自动评分方法及系统。所述方法包括：准备有特征代表性的软组织肿瘤的良恶性病例，构建模型训练所需的数据集；基于数据集及对应的良恶性信息训练深度学习模型；准备目标测试的软组织肿瘤病例，并计算其前景图谱；计算目标病例的滑窗图像块的前景占比，并基于深度学习模型计算图像块的恶性概率；计算不同模式(大肿瘤良恶性对比评分/小肿瘤恶性评分)下的病理数字全切片的恶性评分并输出结果。本发明的方案在训练评分系统的核心模型时不需要采集软组织肿瘤的所有组织学类型，所构建的自动评分方法及系统可在不参考免疫组化结果的情况下，仅依靠苏木精伊红染色的病理切片智能评价软组织肿瘤的良恶程度，在病理医生诊断过程中起到快速、便捷、精确的智能辅助效果。
-
公开(公告)号：CN116452867A
公开(公告)日：2023-07-18
申请号：CN202310362823.8
申请日：2023-04-06
Applicant: 北京邮电大学 , 北京大学第三医院(北京大学第三临床医学院)
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06T7/155
Abstract: 本发明提供了一种数字图像中细胞的半自动智能标定方法。所述方法包括：准备包含目标类别细胞的待标注图像数据集；对待标注数据集中的目标细胞进行人工椭圆标记；以椭圆标记为参照，根据目标细胞的形状先验知识，设计合适的掩模生成函数；以椭圆标记为参照，选择合适的聚类方法对待标注图像进行聚类；取包含生成掩模和聚类结果的交集为细胞标注初级伪标签；依托椭圆标记构建损失函数，以伪标签训练深度学习分割网络，剔除椭圆标记外的假阳性连通域，剩余结果作为新的细胞标注伪标签；专家校正深度学习生成的伪标签，剔除明显假阳性并补充明显漏检连通域的标注，得到更精确的伪标签；多次重复前两个步骤，直至达到专家满意的标签生成效果，保存智能标定模型和标定结果。本发明的方案结合目标细胞的形状先验，只需要人工对细胞进行椭圆标记，在保证标注生成精度的前提下大幅度削减人工标注成本，可以适用于多种模态下的多种形态的细胞的标定任务，在细胞标注领域具有便捷高效、精度高、适用范围广、泛化性好等优点。
-
-
-
Search Results
4
records
(took 0.034 seconds)
