公开(公告)号：CN117422911B

公开(公告)日：2024-04-30

申请号：CN202311366788.3

申请日：2023-10-20

Applicant: 哈尔滨工业大学

Inventor： 王宽全 ,  孙鹏重 ,  骆功宁 ,  王玮 ,  李向宇 ,  董素宇 ,  李钦策 ,  袁永峰

IPC: G06V10/764 ,  G06V10/20 ,  G06V10/40 ,  G06V10/774 ,  G06T7/00 ,  G06T7/194 ,  G06N20/00

Abstract: 一种协同学习驱动的多类别全切片数字病理图像分类系统，它属于医学图像分析技术领域。本发明解决了现有方法仅关注二分类且无法捕捉类相关语义信息的问题。本发明首先获取待分类的全切片数字病理图像，再对图像进行预处理，获取前景组织区域图像并将前景组织区域图像分割为子图像补丁；对子图像补丁进行编码，根据编码结果得到补丁特征令牌；设置分类令牌，根据补丁特征令牌和分类令牌进行计算，再根据计算结果生成类激活图，并根据类激活图得到类别的热力图。本发明可以应用于数字病理图像分类。

公开(公告)号：CN107730497A

公开(公告)日：2018-02-23

申请号：CN201711024432.6

申请日：2017-10-27

Applicant: 哈尔滨工业大学

Inventor： 王宽全 ,  骆功宁 ,  董素宇 ,  束磊 ,  张恒贵

IPC: G06T7/00

CPC classification number: G06T7/0012 ,  G06T2207/10101 ,  G06T2207/10132 ,  G06T2207/20081 ,  G06T2207/20084 ,  G06T2207/30101 ,  G06T2207/30204

Abstract: 一种基于深度迁移学习的血管内斑块属性分析方法，属于医学图像处理领域，具体涉及一种血管内斑块属性分析方法。本发明首先临床方式获取多模态血管内影像数据，人工标记血管内斑块的属性，然后对标记后的血管内影像进行预处理，将经预处理后的血管内影像数据作为深度卷积神经网络的输入，采用有监督的迁移学习方式进行深度卷积神经网络训练，并采用由基于反向传播算法的随机梯度下降方式进行网络参数的学习；接着采用训练好的多个跨模态的预测模型对步骤一中获取的血管内影像进行投票融合预测，最后生成斑块种类概率图谱。本发明解决了现有方法耗费人力多、存在人为差异、速率低的问题。本发明可运用于血管图像处理。