-
公开(公告)号：CN112419335A
公开(公告)日：2021-02-26
申请号：CN202011303854.9
申请日：2020-11-19
Applicant: 哈尔滨理工大学
Abstract: 一种细胞核分割网络的形状损失计算方法，本发明涉及智能病理诊断技术中，细胞核分割网络损失计算问题。智能病理诊断通过深度学习技术分割并识别细胞图像中的异常细胞。然而在细胞核分割网络中没有考虑细胞核的先验知识，导致部分细胞核轮廓不光滑、存在异形，影响后续分类的结果。为此，我们提出一种细胞核分割网络的形状损失计算方法。其主要思想是估计预测细胞核边缘区域对核形状特征影响的权重。通过最小化这个权重，使分割后的细胞核与实际细胞核形状上保持一致。实验表明：我们的损失计算方法可以有效解决细胞核轮廓不光滑、异形等问题。本发明应用于智能病理诊断中的细胞核分割网络损失计算。
-
公开(公告)号：CN113160185A
公开(公告)日：2021-07-23
申请号：CN202110457201.4
申请日：2021-04-27
Applicant: 哈尔滨理工大学
Abstract: 一种利用生成边界指导因子的宫颈细胞分割方法，本发明涉及图像处理技术领域。该方法包括如下步骤：(1)采集宫颈细胞图像，标注得到细胞核位置与细胞质轮廓；(2)构建Ce‑GAN网络结构；(3)使用Ce‑GAN网络的粗分割模块对细胞图像进行初步分割；(4)制作Ce‑GAN的数据集；(5)构造Ce‑GAN网络指导因子生成模块的损失函数；(6)训练Ce‑GAN的生成器模型，并利用生成器模型获得细胞质的边界位置；(7)引入边界位置信息作为Ce‑GAN网络的细分割模块的指导因子，训练Ce‑GAN网络的细分割模型，并使用细分割模型对宫颈细胞图像进行分割。本发明通过引入边界位置信息作为细分割的约束条件，应用于宫颈细胞图像的细胞核和细胞质的准确分割。
-
公开(公告)号：CN112419335B
公开(公告)日：2022-07-22
申请号：CN202011303854.9
申请日：2020-11-19
Applicant: 哈尔滨理工大学
Abstract: 一种细胞核分割网络的形状损失计算方法，本发明涉及智能病理诊断技术中，细胞核分割网络损失计算问题。智能病理诊断通过深度学习技术分割并识别细胞图像中的异常细胞。然而在细胞核分割网络中没有考虑细胞核的先验知识，导致部分细胞核轮廓不光滑、存在异形，影响后续分类的结果。为此，我们提出一种细胞核分割网络的形状损失计算方法。其主要思想是估计预测细胞核边缘区域对核形状特征影响的权重。通过最小化这个权重，使分割后的细胞核与实际细胞核形状上保持一致。实验表明：我们的损失计算方法可以有效解决细胞核轮廓不光滑、异形等问题。本发明应用于智能病理诊断中的细胞核分割网络损失计算。
-
-
Search Results
3
records
(took 0.015 seconds)
