-
公开(公告)号：CN111986148B
公开(公告)日：2024-03-08
申请号：CN202010679683.3
申请日：2020-07-15
Applicant: 万达信息股份有限公司 , 上海复高计算机科技有限公司
IPC: G06T7/00 , G06T7/11 , G06T7/62 , G06T7/90 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464
-
公开(公告)号：CN111985536A
公开(公告)日：2020-11-24
申请号：CN202010690425.5
申请日：2020-07-17
Applicant: 万达信息股份有限公司 , 上海复高计算机科技有限公司
Abstract: 本发明提供了一种基于弱监督学习的胃镜病理图像分类方法。针对胃镜数字病理图像标注成本高昂，难以获得大型标注数据集的问题，本发明利用易于获取的粗粒度标签构建的大型胃镜病理图像数据集训练得到弱监督网络模型。通过获得的弱监督网络模型提取胃镜病理图像特征，进一步融合胃镜病理图像全局和局部的定性特征，最后通过随机森林分类器实现对整张胃镜病理图像的阴性和阳性分类。利用本发明提供的基于弱监督的胃镜病理图像分类方法，可以为病理医生提供病理数据的筛查信息，辅助临床病理医生的诊断工作，提升其工作效率。
-
公开(公告)号：CN111985536B
公开(公告)日：2024-02-09
申请号：CN202010690425.5
申请日：2020-07-17
Applicant: 万达信息股份有限公司 , 上海复高计算机科技有限公司
IPC: G06V10/764 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/54 , G06V10/56 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06T5/73 , G06T5/30 , G06F21/62
Abstract: 本发明提供了一种基于弱监督学习的胃镜病理图像分类方法。针对胃镜数字病理图像标注成本高昂，难以获得大型标注数据集的问题，本发明利用易于获取的粗粒度标签构建的大型胃镜病理图像数据集训练得到弱监督网络模型。通过获得的弱监督网络模型提取胃镜病理图像特征，进一步融合胃镜病理图像全局和局部的定性特征，最后通过随机森林分类器实现对整张胃镜病理图像的阴性和阳性分类。利用本发明提供的基于弱监督的胃镜病理图像分类方法，可以为病(56)对比文件金程笑等.一种基于树搜索的层次多标签乳腺疾病分类诊断方法.智能计算机与应用.2020,第10卷(第2期),第34-39页.胡孔涛.基于弱监督学习的癌症病理图像分割.中国优秀硕士学位论文全文数据库 医药卫生科技辑.2020,(第6期),第E072-31页.Hong-Min Chu等.Deep Generative Modelsfor Weakly-Supervised Multi-LabelClassification.ECCV 2018: ComputerVision.2018,第11206卷第409-425页.Zhipeng Jia等.Constrained Deep WeakSupervision for Histopathology ImageSegmentation.IEEE Transactions on MedicalImaging.2017,第36卷(第11期),第2376-2388页.任福龙等.多核多示例学习的糖尿病视网膜病变诊断.中国图象图形学报.2018,(第4期),第90-101页.
-
公开(公告)号：CN111986150B
公开(公告)日：2024-02-09
申请号：CN202010690711.1
申请日：2020-07-17
Applicant: 万达信息股份有限公司 , 上海复高计算机科技有限公司
IPC: G06T7/00 , G06T7/11 , G06T7/13 , G06T7/136 , G06T7/90 , G06V10/762 , G06V10/764 , G16H30/40
Abstract: 本发明提供了一种数字病理图像的交互式标注精细化方法，其特征在于，包括以下步骤：构建并训练Resnet弱监督分类模型；获得实时输入的数字病理图像，对数字病理图像进行预处理，获得与数字病理图像的组织区域相对应的尺寸及染色标准化后的Patch切片数据；将Patch切片数据输入训练好的Resnet弱监督分类模型中，获得每个patch切片的良恶性分类，根据patch切片的良恶性分类生成在原始的数字病理图像上的XML的矢量图标注，得到预标注病灶区域；在预标注病灶区域上，再获得精细化后的标注轮廓。本发明提出一种数字病理图像的交互式标注精细(56)对比文件崔磊.病理图像精细化分析算法研究.中国博士学位论文全文数据库 医药卫生科技辑.2020,(第1期),第E059-38页.徐小程.基于弱监督的图像区域自动标注算法研究.中国优秀硕士学位论文全文数据库 信息科技辑.2017,(第1期),第I138-567页.Ramazan Gokberk Cinbis等.WeaklySupervised Object Localization withMulti-Fold Multiple InstanceLearning.IEEE Transactions on PatternAnalysis and Machine Intelligence.2017,第39卷(第1期),第189-203页.于观贞等.实体瘤病理数据集建设和数据标注质量控制专家意见(2019).第二军医大学学报.2019,(第5期),第6-11页.
-
公开(公告)号：CN111986150A
公开(公告)日：2020-11-24
申请号：CN202010690711.1
申请日：2020-07-17
Applicant: 万达信息股份有限公司 , 上海复高计算机科技有限公司
Abstract: 本发明提供了一种数字病理图像的交互式标注精细化方法，其特征在于，包括以下步骤：构建并训练Resnet弱监督分类模型；获得实时输入的数字病理图像，对数字病理图像进行预处理，获得与数字病理图像的组织区域相对应的尺寸及染色标准化后的Patch切片数据；将Patch切片数据输入训练好的Resnet弱监督分类模型中，获得每个patch切片的良恶性分类，根据patch切片的良恶性分类生成在原始的数字病理图像上的XML的矢量图标注，得到预标注病灶区域；在预标注病灶区域上，再获得精细化后的标注轮廓。本发明提出一种数字病理图像的交互式标注精细化方法，通过自动预标注和轮廓精细化处理提高医生的标注效率。
-
Patent Agency Ranking
公开(公告)号：CN111986148A
公开(公告)日：2020-11-24
申请号：CN202010679683.3
申请日：2020-07-15
Applicant: 万达信息股份有限公司 , 上海复高计算机科技有限公司
Abstract: 本发明提供了一种前列腺数字病理图像的快速Gleason评分系统，其特征在于，包括：数据预处理单元，用于对前列腺数字病理图像进行数据预处理；加载预训练权重的语义分割网络，用于根据数据预处理单元输出的patch切片输出五通道概率图；Gleason评分单元，对五通道概率图进行后处理后利用ISUP分级规则计算得到前列腺数字病理图像的Gleason评分。本发明使用深度神经网络的技术结合前列腺数字病理图像的特点，快速、自动分析预测Gleason评分，减少主观判断的错误，提供更准确的Gleason评分参考。
-
公开(公告)号：CN116861210A
公开(公告)日：2023-10-10
申请号：CN202310606550.7
申请日：2023-05-26
Applicant: 上海市同济医院 , 万达信息股份有限公司
IPC: G06F18/213 , A61B5/055 , A61B5/00 , G06F18/25 , G06F18/241
Abstract: 本发明为一种基于MRI双模态自适应加权特征融合的AD特征提取方法及系统，通过获取患者脑部区域的功能MRI数据和结构MRI数据；利用图论参数特征提取方法获得脑部功能模态的特征；利用体素值特征提取方法获得脑部结构模态的特征；将两种模态特征通过信息整合的策略进行自适应加权特征融合，以形成双模态的一维特征向量；利用基于多任务的特征提取方法，提取与AD、MCI和正常老人目标结果相关且能有效反映类别差异的特征子集；输出每个任务密切相关的特征子集为最优特征集。能够基于信息整合的自适应加权融合算法来融合双模态特征并对AD、MCI和正常老人三种分类任务进行多任务学习，共享输入以及整体的损失函数，选择出对不同目标的最优特征集。
-
公开(公告)号：CN111986102B
公开(公告)日：2024-02-27
申请号：CN202010680203.5
申请日：2020-07-15
Applicant: 万达信息股份有限公司
IPC: G06T5/73 , G06T5/70 , G06T5/60 , G06T5/20 , G06T3/4038 , G06V10/44 , G06V10/82 , G06T7/00 , G06T7/11 , G06T7/136 , G06T7/90
Abstract: 本发明提供了一种数字病理图像去模糊方法，其特征在于，包括以下步骤：构建清晰数字病理图像库和模糊数字病理图像库；训练深度神经网络，得到训练好的去模糊网络预测模型；实时输入数字病理图像，对该数字病理图像进行初步的预处理操作；利用去模糊方法对Patch图像集合进行处理，将低维空间域的模糊信息去除；将Patch图像集合送入去模糊网络预测模型中生成预测结果，即获得清晰的Patch图像集合；将清晰的Patch图像集合中各个Patch图像拼接复原至原图大小，获得去模糊后的清晰数字病理图像。本发明将传统图像去模糊处理与深度神经网络相结合，实现对数字病理图像的去模糊，提高图(56)对比文件李乐仁瀚.结合传统先验与深度神经网络的图像复原方法研究.中国博士学位论文全文数据库 信息科技辑.2020,(第4期),第I138-30页.武理友.基于深度学习的视频去模糊算法研究.中国优秀硕士学位论文全文数据库 信息科技辑.2020,(第3期),第I138-1077页.Alireza Esmaeilzehi等.UPDCNN：A NewScheme for Image Upsampling andDeblurring Using a Deep ConvolutionalNeural Network.2019 IEEE InternationalConference on Image Processing (ICIP).2019,第2154-2158页.郭业才等.基于深度卷积神经网络的运动模糊去除算法.南京理工大学学报.2020,第44卷(第3期),第303-312页.
-
公开(公告)号：CN115270865A
公开(公告)日：2022-11-01
申请号：CN202210865992.9
申请日：2022-07-22
Applicant: 万达信息股份有限公司
Abstract: 本发明要解决的技术问题是：现有的基于心脏雷达信号的人员识别方法只使用了原始的心脏位移信号作为认证模型输入，没有对其进行特征提取从而得到具有代表性的特征。为了解决上述技术问题，本发明的一个技术方案是提供了一种基于心脏雷达信号的人员特征提取方法。本发明的另一个技术方案是提供了一种基于心脏雷达信号的人员识别方法，采用上述的基于心脏雷达信号的人员特征提取方法。本发明提出的人员识别方法不依赖视觉特征，不易受到环境改变和人为视觉伪装的影响；本发明只需采集雷达信号，无须录制音视频，能更好地保护被识别者的隐私；本发明使用毫米波雷达采集人员特征，识别过程中不需要被识别者配合，更容易实现无感识别和持续识别。
-
公开(公告)号：CN114299490A
公开(公告)日：2022-04-08
申请号：CN202111454650.X
申请日：2021-12-01
Applicant: 万达信息股份有限公司 , 上海爱可及医疗科技有限公司
IPC: G06V20/69 , G06V10/26 , G06V10/764 , G06V10/774 , G06T7/00 , G06K9/62
Abstract: 本发明公开了一种肿瘤微环境异质性评价方法，实现自动化检测Ki67免疫组化图像中的阴阳性细胞核，并定量计算空间异质性，用于评价肿瘤微环境。本发明通过自动标注生成算法实现快速构建有标注数据集，用于细胞核自动检测模型的训练，使用细胞检测模型检测并分类待评估区域的所有细胞，网格划分待评估区域，分别统计每个网格内的阳核比和阴核比，将阴阳性细胞核看做不同的群落使用Morisita‑Horn指数定量评估空间分布。本发明能够快速计算大量病理图像中阴阳性细胞核个数，同时本发明对于异质性的评估更加精确客观，有利于研究人员对肿瘤的微环境进行更进一步的分析。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.035 seconds)
