-
公开(公告)号：CN114581715B
公开(公告)日：2024-09-24
申请号：CN202210228192.6
申请日：2022-03-08
Applicant: 赛维森(广州)医疗科技服务有限公司
IPC: G06V10/764 , G06V10/774
Abstract: 本公开提供了一种病理玻片数字图像数据集的半监督甄选方法和甄选系统，包括：获得多张病理玻片数字图像，并且将具有标注结果的病理玻片数字图像形成为第一数据集，将不具有标注结果的病理玻片数字图像形成第二数据集；利用第一数据集训练多个分类模型并获得错分值，将错分值大于第一预设值的病理玻片数字图像从第一数据集移动至第二数据集，将第二数据集输入分类模型并获得一致值和伪标注结果，将第二数据集中的一致值大于第二预设值的病理玻片数字图像从第二数据集移动至第一数据集，将该病理玻片数字图像的伪标注结果作为该病理玻片数字图像的标注结果。由此，能够清理病理玻片数字图像数据集中的低质量数据，并扩展高质量数据。
-
公开(公告)号：CN114187277B
公开(公告)日：2023-09-15
申请号：CN202111526196.4
申请日：2021-12-14
Applicant: 赛维森(广州)医疗科技服务有限公司
IPC: G06T7/00 , G06T7/73 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本公开描述了基于深度学习的甲状腺细胞学多种类型细胞的检测方法，包括：获取甲状腺细胞的细胞病理玻片图像，细胞病理玻片图像为全片切片图像，采用可选步长的滑窗扫描从细胞病理玻片图像中获取多张目标图像，相邻的目标图像具有重合区域，对目标图像进行处理以获得至少一张特征图像和置信度图像，置信度图像的数量与甲状腺的病变细胞的病变类型的种类的数量相同，对至少一张置信度图像进行处理以得到多个对应不同病变类型的置信度，基于多个置信度获得与目标图像相匹配的分类结果，基于分类结果对至少一张置信度图像进行处理以获得目标图像中与分类结果相匹配的区域。由此能够提高检测系统的检测效率，并且在训练该检测系统时能够减少标注成本。
-
公开(公告)号：CN115861604B
公开(公告)日：2023-06-02
申请号：CN202310121906.8
申请日：2023-02-16
Applicant: 赛维森(广州)医疗科技服务有限公司
IPC: G06V10/25 , G06T7/00 , G06V10/26 , G06V10/764 , G06V10/771 , G06V10/80 , G06V10/82
Abstract: 本申请涉及一种宫颈组织图像处理方法、装置、计算机设备和存储介质，能提升对宫颈组织图像中目标组织区域的识别准确率。所述方法包括：获取宫颈组织图像对应的高倍率宫颈组织图像以及低倍率宫颈组织图像；对高倍率宫颈组织图像和低倍率宫颈组织图像进行特征提取，得到高倍率宫颈组织图像对应的第一宫颈组织特征和低倍率宫颈组织图像对应的第二宫颈组织特征，并对第一宫颈组织特征和第二宫颈组织特征进行特征融合，得到目标宫颈组织特征；将目标宫颈组织特征输入到训练好的组织图像多类别分割模型，得到多类别概率分布图；根据多类别概率分布图，确定宫颈组织图像中的所述目标组织区域。
-
公开(公告)号：CN114638823B
公开(公告)日：2022-08-12
申请号：CN202210489820.6
申请日：2022-05-07
Applicant: 赛维森(广州)医疗科技服务有限公司
Abstract: 本申请涉及计算机视觉技术领域，提供了一种基于注意力机制序列模型的全切片图像分类方法及装置。本申请采用具有高维度特点的图像特征样本对模型进行训练，能够有效提高全切片图像分类结果的准确性。该方法包括：将全切片图像分割成多个子图像；将所述多个子图像输入至图像特征提取模块，得到第一子图像特征向量；将多个第一子图像特征向量序列化输入至序列注意力计算模块，得到多个第一子图像特征向量对应的短期状态，并针对每一第一子图像特征向量对应的短期状态，基于注意力机制得到第二子图像特征向量；对多个第二子图像特征向量进行求和，得到第三子图像特征向量；将所述第三子图像特征向量传递至全连接分类模块，得到各分类类别的置信度。
-
公开(公告)号：CN111768406B
公开(公告)日：2025-01-10
申请号：CN202010776569.2
申请日：2020-08-05
Applicant: 赛维森(广州)医疗科技服务有限公司
IPC: G06T7/00 , G06T7/11 , G06T3/4007 , G06N5/046
Abstract: 本申请提供一种细胞图像处理方法、装置、设备和存储介质，包括：获取预先构建的多个子检测网络模型并联组合而成的复合检测网络模型；多个子检测网络模型对应不同尺寸源的图像；按不同尺寸源截取待处理的细胞图像，得到对应尺寸源的细胞截取图像；将不同尺寸源对应的细胞截取图像缩放至与目标图像尺寸对应的细胞缩放图像，得到多个细胞缩放图像；将多个细胞缩放图像输入复合检测网络模型，以使复合检测网络模型将多个细胞缩放图像对应输入各子检测网络模型进行前向推理，合并各子检测网络模型输出的前向推理结果，得到待处理的细胞图像的细胞检测结果，获取复合检测网络模型得到的细胞检测结果，以提高复合检测网络模型对细胞图像的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN115880293B
公开(公告)日：2023-05-05
申请号：CN202310149312.8
申请日：2023-02-22
Applicant: 中山大学孙逸仙纪念医院 , 赛维森(广州)医疗科技服务有限公司
Abstract: 本申请公开了一种膀胱癌淋巴结转移的病理图像识别方法、装置、介质，包括将目标图像块输入目标分割网络，得到分割置信度图；对分割置信度图中所有像素点的值取平均值，得到分类置信度；将分类置信度的值排序，选取前N个目标图像块进行非均匀重采样处理，得到重采样图像块；将重采样置信度图进行映射处理，得到映射置信度图；将映射置信度图与目标图像块的分割置信度图融合，得到融合置信度图；将融合置信度图与目标图像块中未进行非均匀重采样处理的目标图像块的分割置信度图拼接，得到病理图像的识别结果。本申请对病理图像进行非均匀重采样处理，能够对淋巴结组织图像中的转移癌实现准确分割，提高病理图像的识别效率和准确率。
-
公开(公告)号：CN114998595A
公开(公告)日：2022-09-02
申请号：CN202210842122.X
申请日：2022-07-18
Applicant: 赛维森(广州)医疗科技服务有限公司
IPC: G06V10/26 , G06K9/62 , G06V10/764 , G06V10/82
Abstract: 本申请公开了一种弱监督语义分割方法、语义分割方法、数据处理装置及计算机可读存储介质，包括利用骨干分类网络对图像块进行分类处理，得到分类特征图；分类特征图包括目标分类特征图和中间分类特征图；根据目标分类特征图得到类别激活图，利用图像分类标签和类别激活图对骨干分类网络的分类参数进行调整；利用类别激活图以及分割特征图生成伪分割标签；根据伪分割标签对第一分割网络的第一分割参数进行调整；利用分割特征图生成目标分割标签，根据目标分割标签和目标特征图对第二分割网络的第二分割参数进行调整；将训练完成后得到的目标特征图作为语义分割结果，充分利用中间分类特征图来优化第二分割网络，从而能够提高语义分割的准确性。
-
公开(公告)号：CN114463565B
公开(公告)日：2025-04-01
申请号：CN202210056972.7
申请日：2022-01-18
Applicant: 赛维森(广州)医疗科技服务有限公司
IPC: G06V10/764 , G06V10/75 , G06V10/774 , G06T3/4038 , G06T5/50 , G06T7/11
Abstract: 本公开描述了一种宫颈细胞玻片数字图像的识别模型的模型成长方法，包括：对来自于第一目标源的目标病理玻片数字图像进行识别以获得多个原始子特征，基于多个原始子特征获得多个组合集，多个组合集中的各个组合集包括至少一个原始子特征，利用初步识别模块为对组合集进行特征提取以获得数据特征，并基于数据特征获得初步识别结果，利用结果汇总模块基于多个初步识别结果获得与目标病理玻片数字图像相匹配的终端识别结果，初步识别模块通过来自于第二目标源的宫颈细胞玻片数字图像进行训练，结果汇总模块通过来自于第一目标源的宫颈细胞玻片数字图像进行训练。在这种情况下，能够使识别模型适用于不同医院的病理玻片数字图像。
-
公开(公告)号：CN115880293A
公开(公告)日：2023-03-31
申请号：CN202310149312.8
申请日：2023-02-22
Applicant: 中山大学孙逸仙纪念医院 , 赛维森(广州)医疗科技服务有限公司
Abstract: 本申请公开了一种膀胱癌淋巴结转移的病理图像识别方法、装置、介质，包括将目标图像块输入目标分割网络，得到分割置信度图；对分割置信度图中所有像素点的值取平均值，得到分类置信度；将分类置信度的值排序，选取前N个目标图像块进行非均匀重采样处理，得到重采样图像块；将重采样置信度图进行映射处理，得到映射置信度图；将映射置信度图与目标图像块的分割置信度图融合，得到融合置信度图；将融合置信度图与目标图像块中未进行非均匀重采样处理的目标图像块的分割置信度图拼接，得到病理图像的识别结果。本申请对病理图像进行非均匀重采样处理，能够对淋巴结组织图像中的转移癌实现准确分割，提高病理图像的识别效率和准确率。
-
公开(公告)号：CN114638823A
公开(公告)日：2022-06-17
申请号：CN202210489820.6
申请日：2022-05-07
Applicant: 赛维森(广州)医疗科技服务有限公司
Abstract: 本申请涉及计算机视觉技术领域，提供了一种基于注意力机制序列模型的全切片图像分类方法及装置。本申请采用具有高维度特点的图像特征样本对模型进行训练，能够有效提高全切片图像分类结果的准确性。该方法包括：将全切片图像分割成多个子图像；将所述多个子图像输入至图像特征提取模块，得到第一子图像特征向量；将多个第一子图像特征向量序列化输入至序列注意力计算模块，得到多个第一子图像特征向量对应的短期状态，并针对每一第一子图像特征向量对应的短期状态，基于注意力机制得到第二子图像特征向量；对多个第二子图像特征向量进行求和，得到第三子图像特征向量；将所述第三子图像特征向量传递至全连接分类模块，得到各分类类别的置信度。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.044 seconds)
