-
公开(公告)号:CN115206495A
公开(公告)日:2022-10-18
申请号:CN202210671552.X
申请日:2022-06-15
IPC: G16H30/20 , G06N3/04 , G06N3/08 , G06T7/00 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G16H50/20 , G16H70/60
Abstract: 本发明公开了一基于CoAtNet深度学习的肾癌病理图像分析方法、系统及智能显微装置,包括肾癌病理数据采集、图像切片、背景过滤、数据增强、肾癌区域检测、肾癌亚型分类、肾癌分级和肾癌预后分析。本发明通过人工智能技术与显微镜的结合,可用于辅助病理科医生完成端到端的肾癌诊断,对肾癌病理图像的分析模型能同时满足识别率高、实时性强、功能齐全的目的,有助于缓解我国病理科人才紧缺、培养周期长的问题;有利于减少病理医生的误判机率、疲劳程度。
-
公开(公告)号:CN118799864A
公开(公告)日:2024-10-18
申请号:CN202411287636.9
申请日:2024-09-14
Applicant: 浙江大学滨江研究院
IPC: G06V20/69 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09 , G16H70/60
Abstract: 本发明公开了一种基于视觉大模型的智能显微镜系统,包括显微镜以及与显微镜通信连接的处理器;所述的处理器中包括智能分析单元;智能分析单元包含基于视觉大模型构建的多任务特征学习器;根据任务提示的图像对,智能分析单元控制显微镜收集目标位置的显微图像,将用于任务提示的图像对和目标位置的显微图像输入至多任务特征学习器内,输出目标位置对应任务的显微图像的分析结果。本发明还公开了基于所述的智能显微镜系统的辅助病理分析方法。本发明的智能显微镜系统提高了医学图像分析的效率和准确性。
-
公开(公告)号:CN117894057A
公开(公告)日:2024-04-16
申请号:CN202410269906.7
申请日:2024-03-11
IPC: G06V40/16 , G06V10/774 , G16H50/30
Abstract: 本发明涉及计算机技术领域,公开了一种用于情感障碍辅助诊断的三维数字人脸处理方法及装置,所述方法包括:获取第一数据集和第二数据集,第一数据集包括第一人脸图像,第二数据集包括第二人脸图像和情感标注结果;采取第一数据集来训练人脸形状模型,所述人脸形状模型用于根据第一人脸图像中的第一信息建立人脸三维模型,并依据人脸三维模型的二维人脸图像与第一人脸图像的人脸表情特征的一致性来完成人脸形状模型的训练;依据采取第一数据集训练后的人脸形状模型和用于依据人脸形状模型生成的中间结果确定情感分类结果的分类模型组成情感分类模型,并采取第二数据集对情感分类模型进行训练;本方案可以协助医生进行诊断。
-
公开(公告)号:CN117576103B
公开(公告)日:2024-04-05
申请号:CN202410065088.9
申请日:2024-01-17
Abstract: 本发明公开了一种集成电控显微镜和深度学习算法的尿沉渣镜检分析系统,包括:电控显微镜,用于对尿沉渣样片进行图像采集和预处理;目标检测模型,与电控显微镜连接,包括骨干网络、颈部网络与头部网络,以接收电控显微镜预处理后的图像,之后通过骨干网络负责对输入的图像进行特征提取,颈部网络负责融合多尺度的特征信息,并将信息传递至头部网络;头部网络负责将抽象的特征信息整合为目标检测所需的边界框以及置信度信息,并经由后续算法进行后处理和统计,完成尿沉渣样片的分析。本发明的集成电控显微镜和深度学习算法的尿沉渣镜检分析系统,结合电动显微镜(如永新N300M)实现了对尿沉渣样片的自动扫描、拍摄和检测分析并形成最终检验报告。
-
公开(公告)号:CN116228759B
公开(公告)日:2023-08-01
申请号:CN202310504664.0
申请日:2023-05-08
Applicant: 浙江大学滨江研究院
IPC: G06T7/00 , G06V10/40 , G06V10/764 , G06V10/82 , G06V10/74 , G06N3/0464 , G06N3/08 , G16H50/20
Abstract: 本发明公开了一种肾细胞癌类型的计算机辅助诊断系统及设备,系统包括:数据采集模块,收集肾脏组织全切片图像,构建训练集;数据处理模块,对肾脏组织全切片图像进行预处理;特征学习模块,包括特征学习器并采用训练集进行训练;图像特征库,采用特征学习器提取训练样本的特征向量,构建图像特征库;分类模块,将待分类肾脏组织全切片图像通过数据处理模块进行预处理,预处理后通过特征学习器中提取特征向量,根据待分类肾脏组织全切片图像的特征向量与图像特征库中所有特征向量判断待分类肾脏组织全切片图像的类型。本发明解决了由于罕见类数据不足和特征差异大而无法训练出准确性高的分类模型的问题。
-
公开(公告)号:CN114299492A
公开(公告)日:2022-04-08
申请号:CN202111631888.5
申请日:2021-12-29
Applicant: 浙江大学滨江研究院
Abstract: 本发明公开了一种基于YOLOX模型的中成药药材成分的检测方法及装置,包括以下步骤:(1)采集中成药粉末的显微图像进行标注、预处理,构建成训练集;(2)以YOLOX‑S网络模型为基础构建目标检测模型;所述的目标检测模型包括输入层、特征提取网络、多尺度特征融合网络、解耦输出网络、输出层;(3)采用所述的训练集对目标检测模型进行训练;(4)采集待测中成药粉末的显微图像并输入至训练好的目标检测模型中,即可获得显微图像中存在的药材成分的类别信息及各药材成分在显微图像中对应的位置信息。本发明的检测方法极大的降低复方中成药的检测难度、保证检测精度、提高检测速率度和降低误检率。
-
-
-
-
-