-
公开(公告)号：CN108021903A
公开(公告)日：2018-05-11
申请号：CN201711374057.8
申请日：2017-12-19
Applicant: 南京大学
Abstract: 本发明公开了一种基于神经网络的人工标注白细胞的误差校准方法及装置。校准方法包括：S1获取原始图像；S2对图像做预处理；S3分割白细胞并提取细胞的边缘像素点坐标；S4挑选特征明显的细胞作为训练数据，其余细胞为测试数据，训练网络；S5用softmax分类器为测试细胞打分，根据得分情况将测试细胞分成具体类别和子分类；S6对训练细胞和子分类细胞做极坐标数据增强；S7将增强后的训练图像重新训练，用子分类图像测试并打分；S8根据得分情况，剔除不在指定类别中的细胞并将其他细胞划分到具体类别。本发明在分类过程中能剔除对分类无意义的干扰细胞，并且能将外周血白细胞分成若干小类，大大增加了细胞分类的准确率。
-
Patent Agency Ranking
公开(公告)号：CN120031810A
公开(公告)日：2025-05-23
申请号：CN202510042965.5
申请日：2025-01-10
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/096 , G06N3/09
Abstract: 本发明提供一种基于平均教师模型的血红细胞测试时域适应检测方法，属于深度学习领域，包括预训练、数据增强、随机恢复、损失计算以及教师模型与学生模型的更新。首先，在源域数据上预训练基准检测模型以获得初始特征。在测试阶段，目标域数据分别经过弱增强和强增强后输入教师模型和学生模型。输入教师模型后生成伪标签，以减轻持续适应过程中误差累积的影响；学生模型通过与教师模型预测结果的交叉熵损失进行优化，教师模型通过指数移动平均方法更新。此外还采用随机恢复方法，从源域预训练模型显式恢复知识到学生模型，有效缓解灾难性遗忘问题。最终模型能在测试时对目标域数据保持良好性能。
-
公开(公告)号：CN107977682A
公开(公告)日：2018-05-01
申请号：CN201711376577.2
申请日：2017-12-19
Applicant: 南京大学
Abstract: 本发明公开了一种基于极坐标变换数据增强的淋巴类细胞分类方法及其装置，属于计算机视觉领域。分类方法包括：S1获取细胞图像；S2计算图像的R通道与G通道的比值矩阵；S3对比值矩阵进行直方图统计并二值化；S4对二值图像做形态学处理；S5提取细胞的边缘像素点并分割细胞；S6选取细胞边缘像素点为极点，建立极坐标系，把图片用极坐标变换映射到直角坐标系中；S7遍历边缘像素点，得到变换后的细胞图像；S8用ResNet训练细胞图像，并测试分类结果。本发明提出了一种新的数据增强方法，可以用极少的标记数据进行分类，而且有效地分开了难以识别的大颗粒淋巴细胞与异型淋巴细胞。
-
公开(公告)号：CN107977682B
公开(公告)日：2021-09-28
申请号：CN201711376577.2
申请日：2017-12-19
Applicant: 南京大学
Abstract: 本发明公开了一种基于极坐标变换数据增强的淋巴类细胞分类方法及其装置，属于计算机视觉领域。分类方法包括：S1获取细胞图像；S2计算图像的R通道与G通道的比值矩阵；S3对比值矩阵进行直方图统计并二值化；S4对二值图像做形态学处理；S5提取细胞的边缘像素点并分割细胞；S6选取细胞边缘像素点为极点，建立极坐标系，把图片用极坐标变换映射到直角坐标系中；S7遍历边缘像素点，得到变换后的细胞图像；S8用ResNet训练细胞图像，并测试分类结果。本发明提出了一种新的数据增强方法，可以用极少的标记数据进行分类，而且有效地分开了难以识别的大颗粒淋巴细胞与异型淋巴细胞。
-
公开(公告)号：CN120032156A
公开(公告)日：2025-05-23
申请号：CN202411861572.9
申请日：2024-12-17
IPC: G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/09 , G06N5/04
Abstract: 本发明提供一种基于多智能体的血红细胞图像识别分类方法，属于深度学习领域，所述红细胞图像识别分类方法包括描述阶段、推理树建立阶段和推理阶段，描述阶段首先使用分割模型分割出全部细胞并得到单个细胞图像，再使用视觉问答模型从细胞图像中提取显著的属性，推理树建立阶段使用大语言模型和精心制作的提示并基于属性和类别对搭建成一颗推理树，树节点是基于投票选举方式经过多轮迭代来选出最易区分的属性，最终的推理阶段先把细胞图像和描述阶段得到属性输入视觉问答模型得到属性描述，再输入推理树经过推理得到预测类别。
-
公开(公告)号：CN108021903B
公开(公告)日：2021-11-16
申请号：CN201711374057.8
申请日：2017-12-19
Applicant: 南京大学
Abstract: 本发明公开了一种基于神经网络的人工标注白细胞的误差校准方法及装置。校准方法包括：S1获取原始图像；S2对图像做预处理；S3分割白细胞并提取细胞的边缘像素点坐标；S4挑选特征明显的细胞作为训练数据，其余细胞为测试数据，训练网络；S5用softmax分类器为测试细胞打分，根据得分情况将测试细胞分成具体类别和子分类；S6对训练细胞和子分类细胞做极坐标数据增强；S7将增强后的训练图像重新训练，用子分类图像测试并打分；S8根据得分情况，剔除不在指定类别中的细胞并将其他细胞划分到具体类别。本发明在分类过程中能剔除对分类无意义的干扰细胞，并且能将外周血白细胞分成若干小类，大大增加了细胞分类的准确率。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
