公开(公告)号：CN118447497A

公开(公告)日：2024-08-06

申请号：CN202410193566.4

申请日：2024-02-21

申请人： 长江大学

发明人： 杨伏洲 ,  邬云熙 ,  王可 ,  赵桂莲

IPC分类号： G06V20/69 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06V10/771

摘要： 本申请提供的血细胞图像语义分割模型、方法及系统，模型包括前卷积块、融合块模组和反卷积块，前卷积块用于处理输入血细胞图像，获取处理后的图像数据；融合块模组集合自注意力机制和多尺度特征提取模块，所述自注意力机制和所述多尺度特征提取模块用于对图像数据进行并行处理，获取图像数据的特征图恢复数据；反卷积块用于处理恢复数据，获取血细胞图像的语义分割结果。本申请提供的血细胞图像语义分割模型，通过引入多尺度特征提取模块，使其与自注意力机制构成并行关系，在通道间与各通道内捕获更多得特征信息，增强对血细胞特征的提取能力，从而达到提高血细胞分割算法准确度的目的。

公开(公告)号：CN118279912B

公开(公告)日：2024-08-06

申请号：CN202410702633.0

申请日：2024-06-03

申请人： 深圳市合一康生物科技股份有限公司

发明人： 荆东辉 ,  韦晓盼 ,  饶迩文

IPC分类号： G06V20/69 ,  G06V10/20 ,  G06V10/26 ,  G06V10/44 ,  G06V10/46 ,  G06V10/52 ,  G06V10/764 ,  G06V10/766 ,  G06V10/80 ,  G06V10/82 ,  G06T7/00 ,  G06N3/04 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/086

摘要： 本申请涉及图像分析技术领域，公开了一种基于图像分析的干细胞分化程度评估方法及系统。所述方法包括：采集待处理的初始干细胞图像数据并进行全卷积网络预处理，得到增强干细胞图像数据；进行密集门控通道变换和细胞分割，得到干细胞分割图像数据；进行特征提取和方向感知回归分析，得到方向性特征数据集；将方向性特征数据集输入初始干细胞分化程度评估模型进行多尺度特征融合和干细胞分化程度评估，得到分化程度评估信息；根据自适应蜉蝣算法和分化程度评估信息进行模型参数全局搜索和局部最优求解，得到目标干细胞分化程度评估模型，本申请提高了干细胞分化程度评估的准确率。

公开(公告)号：CN118247784B

公开(公告)日：2024-08-06

申请号：CN202410666582.0

申请日：2024-05-28

申请人： 南昌大学第二附属医院

发明人： 陈艳慧 ,  杨赞 ,  胡龙华 ,  盛天乐 ,  钟桥石 ,  杭亚平

IPC分类号： G06V20/69 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/045

摘要： 本发明公开了一种基于深度卷积神经网络的隐球菌图像识别方法，包括：针对隐球菌图像构建基于YOLOv5的Input‑Backbone‑Neck‑Head‑Output的深度卷积神经网络基准模型；设计可变形卷积神经网络框架与空间金字塔池化特征方法对图像特征进行多尺度池化操作；通过特征金字塔网络与像素聚集网络传递多尺度深层与浅层特征，设计文本增强架构实现多尺度特征自适应融合；设计动态头提取隐球菌动态特征；设计模型失真度驱动的剪枝技术进行轻量化设计；输出隐球菌图像识别结果。本发明通过多尺度特征提取与融合网络架构显著地提高了特征提取精度与能力，并设计网络剪枝技术与动态头提高预测速度与适应性，针对隐球菌图像特征所呈现的多尺度形态与边界特征的识别精度高、识别效率高。

公开(公告)号：CN118429970A

公开(公告)日：2024-08-02

申请号：CN202410486971.5

申请日：2024-04-23

申请人： 麦克奥迪实业集团有限公司

发明人： 李梓琦

IPC分类号： G06V20/69 ,  G06V10/75 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习模型的显微镜实验样品识别方法及系统，包括：实时获取显微镜实验过程中的样品图像；基于当前帧和后一帧的样品图像，使用光流法获取载物台的移动状态；在载物台为静止时，获取样品图像的焦面清晰度；在焦面为清晰时，使用训练好的深度学习模型对采集的样品图像进行分类，输出分类结果；在分类结果不为空白时，基于分类结果与色彩配置的预设匹配关系，使用预设的色彩配置对分类结果进行色彩调整；当物镜倍数与分类结果满足预设匹配条件时，通过训练好的深度学习模型检测出样品图像中的样品定位信息。本发明只需要获取实验样品图像即可对实验过程进行提示及对实验结果进行显示，满足学生的实验需求及老师的监控需求。

公开(公告)号：CN118429969A

公开(公告)日：2024-08-02

申请号：CN202410387471.6

申请日：2024-04-01

申请人： 山东第一医科大学(山东省医学科学院) ,  山东汇智康医疗技术有限公司

发明人： 李庆华 ,  张鹏 ,  李鲲 ,  魏春阳 ,  杨冬 ,  丁艳静

IPC分类号： G06V20/69 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

摘要： 本发明公开的一种宫颈异常细胞识别方法及系统，包括：获取宫颈细胞图像；获取宫颈细胞图像；对宫颈细胞图像进行划分，获得多个小图片；通过训练好的细胞分类模型对每个小图片进行识别，获得每个小图片中细胞种类，其中，细胞分类模型通过卷积神经网络构建获得，并在卷积神经网络的每个池化层与最后一层全连接层之间构建跨链结构；计算宫颈细胞图像中每个细胞的IOD值，并根据细胞种类，确定标准IOD值；根据每个细胞的IOD值和标准IOD值，计算确定每个细胞的DNA含量；根据每个细胞的DNA含量，确定宫颈异常细胞。实现了对宫颈异常细胞的准确识别。

公开(公告)号：CN118429967A

公开(公告)日：2024-08-02

申请号：CN202310193421.X

申请日：2023-02-21

申请人： 深圳市真迈生物科技有限公司

发明人： 陈巍月

IPC分类号： G06V20/69 ,  G06V10/774 ,  G06T5/90

摘要： 本申请公开了一种碱基识别方法及系统，该方法包括：混合待测文库和内参文库，构建目标样本；对目标样本进行指定轮数的测序，获得满足指定条件的内参文库序列；基于内参文库序列，生成碱基识别模型；基于碱基识别模型，确定与待测文库对应的碱基识别结果。本申请通过已知序列的内参文库对测序前期获得的内参文库进行比对以及机器学习，建立出碱基识别模型，提升碱基识别准确性。

公开(公告)号：CN113155578B

公开(公告)日：2024-08-02

申请号：CN202110273564.2

申请日：2017-12-29

申请人： 乔治洛德方法研究和开发液化空气有限公司

发明人： 明磊强 ,  张大海 ,  杨宗霖 ,  史雅琦

IPC分类号： G01N1/30 ,  G01N21/64 ,  G06V20/69

摘要： 本发明涉及微生物的染色和识别方法。本发明提供一种用于丝状微生物的染色液、染色方法，荧光识别方法、丝状微生物丰度的快速评价方法。本发明还提供一种鉴定丝状微生物的杀灭效果的方法，及其在检测水处理设备的运行能力和功效中的用途。

公开(公告)号：CN113673396B

公开(公告)日：2024-07-26

申请号：CN202110914071.2

申请日：2021-08-10

申请人： 佛山市海天(高明)调味食品有限公司 ,  佛山市海天调味食品股份有限公司

发明人： 李泽鹏 ,  肖宇飞 ,  李贤信

IPC分类号： G06V20/69 ,  G06V10/764 ,  G06V10/82 ,  G06V10/34 ,  G06V10/26 ,  G06N3/0455

摘要： 本发明公开了一种孢子发芽率计算方法、装置及存储介质，包括：获取待分类图像，通过对待分类图像进行模糊化计算判断待分类图像是否需要去模糊；若是，将待分类图像代入到预设的去模糊模型中进行模糊化处理后，进行数据分割得到第一分割图像集；若否，则将待分类图像进行数据分割得到第一分割图像集；将第一分割图像集代入到预设的分类模型中，得到孢子发芽状态的分类数据集，根据分类数据集中发芽孢子数据集的占比计算得到孢子发芽率，其中，孢子发芽状态的分类数据集包括发芽孢子数据集、未发芽孢子数据集和其他数据集。本发明实施能够有效消除孢子图像处理过程中产生的干扰，从而提高孢子发芽状态检测精度以及孢子发芽率的计算精度。

公开(公告)号：CN118366161A

公开(公告)日：2024-07-19

申请号：CN202410518405.8

申请日：2024-04-26

申请人： 东软集团股份有限公司

发明人： 梁德龙 ,  蔡金凤 ,  宫晓东 ,  刘冠男 ,  李东

IPC分类号： G06V20/70 ,  G06V20/69 ,  G06V10/25 ,  G06V10/774 ,  G06T7/00

摘要： 本申请实施例提供了一种病变细胞检测模型的训练方法和病变细胞检测方法。该病变细胞检测模型的训练方法包括：确定细胞病理样本经过裁剪后的样本图像块和所述样本图像块中病变细胞标签的权重；根据所述样本图像块以及所述样本图像块中的病变细胞标签和所述病变细胞标签对应的权重，训练病变细胞检测模型。本申请实施例可以减小病变细胞经过裁剪后对于病变细胞检测模型训练所造成的干扰，确保病变细胞检测模型的有效训练，极大减少病变细胞检测模型的误检测概率，提高病变细胞检测的准确性。

公开(公告)号：CN116898439B

公开(公告)日：2024-07-19

申请号：CN202310826965.5

申请日：2023-07-07

申请人： 湖北大学 ,  湖北省中西医结合医院(湖北省职业病医院)

发明人： 黄辰 ,  张丽 ,  王时绘 ,  张龑 ,  唐博 ,  黄明 ,  宋林 ,  宋建华 ,  吴伟

IPC分类号： A61B5/16 ,  A61B5/372 ,  G06V20/69 ,  G06V10/50 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08

摘要： 本发明公开了一种利用深度学习模型分析脑电波的情绪识别方法及系统。先采集脑电信号，再将脑电信号的特征映射到脑电地形图上。接着，从脑电地形图中提取出梯度特征，最后将梯度特征输入到预设的深度学习模型中，得到情绪识别结果。通过脑电信号可视化以及提取图像梯度特征的方法比例脑电信号特征单一且数据的冗余。将脑电情绪信号转换为脑电地形图作为分类识别的数据，脑电地形图的分类特征更加多样，提高了情绪识别的准确率以及识别效率。