-
公开(公告)号：CN112132772A
公开(公告)日：2020-12-25
申请号：CN201910548147.7
申请日：2019-06-24
申请人： 杭州迪英加科技有限公司
摘要： 本发明涉及一种病理切片实时判读方法，包括：S10，图像采集装置实时获取显微镜下病理切片的病理图像信息，并将所述病理图像信息传输至处理器；S20，处理器接收来自图像采集装置的病理图像信息，并对所述病理图像信息进行辅助分析、标注后输出经标注的病理图像信息；S30，显示器接收并显示来自所述处理器的经标注的病理图像信息；显微镜与显示器同步显示同一部位的病理图像信息。同时本申请还公开了一种病理切片实时判读方法和装置。本申请将现场阅片和辅助分析相结合，医生在阅片现场可根据需要随时查阅实体病理切片任何位置处细胞情况，该位置处的辅助分析结果同步显示在显示器端。
-
公开(公告)号：CN112132166A
公开(公告)日：2020-12-25
申请号：CN201910548420.6
申请日：2019-06-24
申请人： 杭州迪英加科技有限公司
摘要： 本发明涉及一种数字细胞病理图像智能分析方法，包括：S10，获取待分析的数字细胞病理图像数据，并进行预处理；S20，筛选数字细胞病理图像的非确定阴性区域；S30，对所述非确定阴性区域内的阳性细胞进行筛选和标注；S40，输出标注后的数字细胞病理图像数据。本申请还涉及一种数字细胞病理图像数据智能分析系统及装置。本申请基于阴性细胞数量远大于阳性细胞数量以及阴性细胞形态的变异性小于阳性细胞形态的变异性的特点，提出基于标注的阴性细胞训练确定阴性区域分类模型，一方面降低了神经网络模型训练数据的获取难度，另一方面通过剔除确定阴性区域大大减少了阳性细胞检出的运算量，提高算法运算速度和效率，同时避免漏诊误诊，提高诊断准确性。
-
公开(公告)号：CN111931931A
公开(公告)日：2020-11-13
申请号：CN202011046038.4
申请日：2020-09-29
申请人： 杭州迪英加科技有限公司
摘要： 本申请涉及一种针对病理全场图像的深度神经网络训练方法、装置。所述方法包括：对多个具有全片级标注的病理全场图像分别进行裁切，获得由多个小图片的特征数据构成第一样本集；将所述第一样本集输入初始神经网络模型，得到所述第一样本集中每个所述小图片的输出概率向量；在所述病理全场图像中最大的所述输出概率向量大于预设值时，根据最大的所述输出概率向量对应的所述小图片构建弱监督数据集；将所述弱监督数据集和所述像素级别标注的病理图像样本集混合获得混合训练集，并根据所述混合训练集对所述初始神经网络模型进行训练，获得用于对病理全场图像分类的最终神经网络模型。采用本案可解决病理全场图像的分类模型像素级标注样本少的问题。
-
公开(公告)号：CN111175958A
公开(公告)日：2020-05-19
申请号：CN201911420078.8
申请日：2019-12-31
申请人： 杭州迪英加科技有限公司
IPC分类号： G02B21/36
摘要： 本发明涉及一种针对显微镜下病理切片的远程会诊方法，适用于针对显微镜下病理切片的远程会诊系统，所述远程会诊方法包括：图像采集装置获取显微镜下病理切片的病理图像信息，并将所述病理图像信息传输至第一处理器；第一处理器接收来自图像采集装置的病理图像信息并显示在第一显示终端上；第一处理器与第二处理器建立WebRTC连接；第二显示终端与第一显示终端同步显示所述病理图像信息；当所述病理图像信息发生变化时，第一显示终端和第二显示终端上的画面同步变化。本申将显微镜下观察切片和WebRTC技术相结合，实现显微镜当前视野的远程视频/画面的实时共享，解决现有技术存在的远程会诊时效性和准确性差的技术难题。
-
公开(公告)号：CN110782975A
公开(公告)日：2020-02-11
申请号：CN201911029525.7
申请日：2019-10-28
申请人： 杭州迪英加科技有限公司
IPC分类号： G16H30/40
摘要： 本发明涉及一种显微镜下病理切片浏览轨迹的呈现方法，接收位于显微镜下的病理切片的实时图像，将接收到的图像一方面显示在显示器的第一显示区域内，一方面将显微镜下病理切片图像实时图像的变化轨迹显示在显示器的第二显示区域内。本申请还提出了一种显微镜下病理切片浏览轨迹的呈现装置，包括一个或多个程序，所述程序包括用于执行显微镜下病理切片图像的呈现方法的指令。采用本申请提出的装置和方法，医生调节显微镜X轴或Y轴移动手轮向上下左右不同的方向移动切片，屏幕上不仅会显示当前视野下的切片图像还会记录之前看过的切片图像的轨迹，有助于医生区分哪些视野看过，哪些没看过，避免医生对于感兴趣区域的漏看。
-
公开(公告)号：CN110310253A
公开(公告)日：2019-10-08
申请号：CN201910385533.9
申请日：2019-05-09
申请人： 杭州迪英加科技有限公司
摘要： 本发明公开了一种数字切片分类方法和装置。其中，该方法包括：获取数字切片的全场图；基于预先训练的细胞检测模型，检测全场图中包含的至少一个目标细胞；定位全场图中包含目标细胞的目标区域，其中，目标区域中包含一个或多个目标细胞；基于注意力机制的特征融合模型，根据全场图中目标区域的特征，确定全场图的特征；基于预先训练的全场图分类模型，根据全场图的特征确定数字切片的类型。本发明实现了基于全场图对数字切片进行分类的技术效果。
-
公开(公告)号：CN109637631A
公开(公告)日：2019-04-16
申请号：CN201811583906.5
申请日：2018-12-24
申请人： 杭州迪英加科技有限公司
摘要： 本发明公开了一种切片处理方法、系统及切片扫描装置、切片分析装置。其中，该方法包括：获取切片扫描系统扫描切片得到的切片文件；在切片分析系统处于空闲的情况下，将切片扫描系统扫描切片得到的切片文件上传到切片分析系统，其中，切片分析系统对接收到的切片文件进行分析。本发明达到了自动将扫描得到的切片文件上传到切片分析系统进行分析的目的，从而实现了提高切片处理效率的技术效果。
-
公开(公告)号：CN118710688A
公开(公告)日：2024-09-27
申请号：CN202410764209.9
申请日：2024-06-14
申请人： 杭州迪英加科技有限公司
摘要： 本发明提供一种多倍率全场数字病理图像配准方法及系统，配准方法包括以下步骤：S10、分别获取低倍率和高倍率的病理切片全场图像W1、W2；S20、从金字塔结构的W1和W2中获取相应的缩略图S1和S2；S30、从S1和S2中提取出各自的特征点；S40、进行特征点的匹配；S50、根据匹配的特征点计算出转换矩阵T，将W1的坐标转换为W2的坐标；S60、预设误差窗口并通过迭代搜索确定其实际大小，根据精确后的误差窗口进行配准后输出结果。本技术方案能够大幅提升了病理图像的配准精度，且适应多种倍率图像的配准。
-
公开(公告)号：CN113903030B
公开(公告)日：2024-07-02
申请号：CN202111188075.3
申请日：2021-10-12
申请人： 杭州迪英加科技有限公司
IPC分类号： G06V20/69
摘要： 本发明公开了一种基于弱监督学习的液基细胞病理图像生成方法，方法如下：采集弱标注的病理图像切片并进行分类，分类形成阴性样本和阳性样本；对分类后的切片样本进行细胞核定位，获得细胞核掩膜中的独立区域的形态学信息及中心坐标；采用实例采集模块分别对阴性样本和阳性样本进行实例采集，其中阳性样本中所采集到的多实例细胞样本运用弱监督学习的多实例分类模块，获得最有可能是阳性的实例细胞图像。本发明在弱监督学习中，通过阳性实例注意力获得局部阳性实例，再利用细胞区域检测算法寻找阴性样本中可以容纳阳性实例的位置，或可替换类似阳性实例大小的阴性实例，从而构造新的内容的阳性样本，扩展了数据集的数量并且平衡了数据集比例。
-
公开(公告)号：CN112132166B
公开(公告)日：2024-04-19
申请号：CN201910548420.6
申请日：2019-06-24
申请人： 杭州迪英加科技有限公司
IPC分类号： G06V10/764 , G06T7/11 , G06T7/136 , G16H50/20
摘要： 本发明涉及一种数字细胞病理图像智能分析方法，包括：S10，获取待分析的数字细胞病理图像数据，并进行预处理；S20，筛选数字细胞病理图像的非确定阴性区域；S30，对所述非确定阴性区域内的阳性细胞进行筛选和标注；S40，输出标注后的数字细胞病理图像数据。本申请还涉及一种数字细胞病理图像数据智能分析系统及装置。本申请基于阴性细胞数量远大于阳性细胞数量以及阴性细胞形态的变异性小于阳性细胞形态的变异性的特点，提出基于标注的阴性细胞训练确定阴性区域分类模型，一方面降低了神经网络模型训练数据的获取难度，另一方面通过剔除确定阴性区域大大减少了阳性细胞检出的运算量，提高算法运算速度和效率，同时避免漏诊误诊，提高诊断准确性。
-
-
-
-
-
-
-
-
-
搜索结果
123 条记录 (耗时 0.043 秒)
