-
公开(公告)号：CN111553369A
公开(公告)日：2020-08-18
申请号：CN202010405761.0
申请日：2020-05-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种前列腺癌穿刺病理图像的格里森自动分级方法，包括：在数字化的前列腺癌穿刺组织病理图像上手动标记格里森3级和4级组织区域；提取图像块，并对提取的图像块进行图像预处理后，提取图像块的H通道；计算同源性分布，包括细胞核的连通区域变化分布b0、细胞核构成的空洞变化分布b1以及两者的比率b，并采用七种统计描述方法表示计算得到的同源性分布，得到21维的统计特征集；构建k近邻分类器，采用10折交叉验证方法训练基于权重的k近邻模型；使用训练好的k近邻分类器自动预测格里森分级。本发明能够减少病理医生人工诊断的体力、精力和时间成本投入，同时量化分析诊断结果，极大降低了不同病理医生诊断的差异性。
-
公开(公告)号：CN111415352A
公开(公告)日：2020-07-14
申请号：CN202010257244.3
申请日：2020-04-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于深度级联网络的癌转移全景病理切片分析方法，其特征在于，利用由粗分割神经网络和精分割神经网络组成的级联网络完成对癌转移全景病理切片的分析，获得切片阳性类的概率热值图。本发明方法，可完成对癌转移区域的精确检测和定位，辅助医生综合患者所有淋巴结的恶性程度进行定量评估，为诊断的一致性提供支持依据，目标是减少漏诊、误诊，并降低过度治疗和治疗不当的发生概率，最终辅助医生制定最优的临床治疗方案，对于临床医生和患者均具有重要的意义。
-
公开(公告)号：CN109544529A
公开(公告)日：2019-03-29
申请号：CN201811373454.8
申请日：2018-11-19
Applicant: 南京信息工程大学
CPC classification number: G06T7/0012 , G06K9/6256 , G06T7/90 , G06T2207/20081 , G06T2207/20084 , G06T2207/30024
Abstract: 本发明是面向深度学习模型训练和学习的病理图像数据增强方法，包括基于颜色变化对已有的病理图像进行数据扩充；对已有的病理图像进行单一图像变化处理；对已有的病理图像进行两种或两种以上的图像变化处理；对已有的病理图像进行HE染色分离；得到扩充数据，形成训练集；将训练集送入深度学习网络中进行训练，并与原始的数据集训练数据进行对比，能有效提升网络模型的性能。能够解决深度学习数据集不平衡以及数据量不足的难题，使得模型能够提供获得更好的预测能力辅助医生诊断，进一步提高医生的诊断精确度并提高工作效率。
-
-
公开(公告)号：CN108648182A
公开(公告)日：2018-10-12
申请号：CN201810393335.2
申请日：2018-04-27
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于分子亚型的乳腺癌核磁共振图像肿瘤区域分割方法，属于图像信息处理技术领域。动态选择乳腺癌核磁共振图像1％-99％范围的CT值进行归一化预处理后输入YOLO_v2检测模型，验证集的损失及分类准确率、获得深度检测网络模型，并将图片送入该模型得到检测框；然后采用k-mean算法聚类出乳腺癌核磁共振图片医生标记区域中心点取出144*144像素点的块，送入SegNet分割模型进行训练，得出肿瘤区域分割模型，根据之前获得的检测框选择144*144像素块送入该区域分割模型得到分割概率图，再将该图根据之前获得的置信度最大框中心点映射到原图，即得最终肿瘤分割图。具有分割效率、准确率高等优点。
-
Patent Agency Ranking
公开(公告)号：CN107358611A
公开(公告)日：2017-11-17
申请号：CN201710507862.7
申请日：2017-06-28
Applicant: 南京信息工程大学
CPC classification number: G06T7/11 , G06T7/136 , G06T7/194 , G06T2207/20081 , G06T2207/20084 , G06T2207/30096
Abstract: 本发明公开了一种全景扫描病理图像转移区域的自动分割方法，包括：对全景扫描病理图像进行预处理，提取有组织区域；获取训练样本集，标记转移部分和非转移部分；构建深度卷积网络模型并进行模型训练，采用训练完成的深度卷积网络模型识别全景扫描病理图像中的转移区域和非转移区域；用热值图表示全景扫描病理图像。本发明方法能够为医生提供定量化的诊断信息，减小依靠经验观测切片图像所带来的主观误差，能够缩短病情分析的等待过程，为病人提供宝贵的治疗时间。
-
公开(公告)号：CN106096648A
公开(公告)日：2016-11-09
申请号：CN201610403385.5
申请日：2016-06-08
Applicant: 南京信息工程大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明公开了一种基于Hash编码的超光谱遥感图像分类方法，属于图像信息处理技术领域，提出了用块Hash自动编码的思想来处理超光谱遥感图像，本发明提出了用Hash自动编码的思想来处理超光谱遥感图像，将遥感图像每个通道提取出来，分成块，将每个小块先进行分段Hash处理，生成Hash序列用来表征块的特征，然后将生成的编码进行SVM分类。和基于传统像素的分类方法相比，在相同的实验条件下，本发明方法的图像分类结果更加准确，视觉效果更好。
-
公开(公告)号：CN103903015A
公开(公告)日：2014-07-02
申请号：CN201410105108.7
申请日：2014-03-20
Applicant: 南京信息工程大学
IPC: G06K9/64
Abstract: 本发明公开了一种细胞有丝分裂检测方法，包括以下步骤：图像矩阵向量化；新矩阵的构造；矩阵低秩分解；稀疏矩阵的每一列构造新矩阵；矩阵求和；低秩分解过程迭代；矩阵与操作。本发明所公开的细胞有丝分裂检测方法，将有丝分裂细胞看作低秩表示中的稀疏部分，非有丝分裂部分看作低秩部分，和已有的基于模式识别的检测方法相比，不需要进行大量的预训练，能够非常快速的得到检测结果，并且在相同的实验条件下，能够获得更高的F-measure和Recall值。
-
公开(公告)号：CN103345643A
公开(公告)日：2013-10-09
申请号：CN201310234905.0
申请日：2013-06-13
Applicant: 南京信息工程大学
IPC: G06K9/66
Abstract: 本发明公开了一种遥感图像分类方法，属于图像信息处理技术领域。本发明方法包括以下步骤：遥感图像的分块；初始样本的选择；分类器模型训练；矛盾样本池的构造；信息量最大样本的选取；训练样本集及分类器模型更新；分类过程迭代；遥感图像的分类。本发明利用图像块分类模型和图像像素点分类模型来构造一个测试委员会，以此筛选出信息量较大的样本。和随机采样以及经典的边缘采样主动学习方法相比，在相同的实验条件下，本发明方法的图像分类结果更加准确，给人更好的视觉效果。
-
公开(公告)号：CN116051837A
公开(公告)日：2023-05-02
申请号：CN202310012122.1
申请日：2023-01-05
Applicant: 南京信息工程大学
IPC: G06V10/26 , G06V10/82 , G06V10/764 , G06V10/80 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的肾穿刺图像多类肾小球自动分割方法，包括如下步骤：步骤1.肾穿刺图像的预处理；步骤2.模型训练，编码器部分；步骤3.结论融合；步骤4.模型测试。本发明在编码器和解码器中分别使用了Transform模块与VGG模块，能够在较大的尺度上处理肾小球的完整上下文信息的同时，保证肾小球轮廓分割的准确度，将传统技术中的语义分割流程划分为分割分支与分类分支，保证了同一肾小球分割结果的统一性与完整性。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.01 seconds)
