公开(公告)号：CN108846828A

公开(公告)日：2018-11-20

申请号：CN201810420759.3

申请日：2018-05-04

Applicant: 上海交通大学

Inventor： 关新平 ,  谷朝臣 ,  吴开杰 ,  赵姝馨

IPC: G06T7/00

Abstract: 本发明提供了一种基于深度学习的病理图像目标区域定位方法及系统，包括：将实体的切片信息转换为全切片数字病理图像；对目标区域进行标记，并用记录文件记录标记信息，得到原始数据集；对全切片数字病理图像及记录文件进行同等尺度的缩小，构成深度学习数据集；将深度学习数据集分为训练集和测试集；采用训练集对更快区域卷积神经网络进行训练；将测试集输入训练好的更快区域卷积神经网络，输出目标区域定位结果；将目标区域定位结果中的记录文件放大到原始尺度，并标记到原始全切片数字病理图像上。本发明可以显著提高目标区域定位的鲁棒性和准确率，对数字病理图像进行高通量处理速率的感兴趣区域的准确定位。

公开(公告)号：CN108596046A

公开(公告)日：2018-09-28

申请号：CN201810284552.8

申请日：2018-04-02

Applicant: 上海交通大学

Inventor： 关新平 ,  吴开杰 ,  谷朝臣 ,  赵姝馨 ,  程昊

IPC: G06K9/00 ,  G06K9/62 ,  G06T7/11 ,  G01N15/10

Abstract: 本发明提供了一种基于深度学习的细胞检测计数方法及系统，包括：扫描病理切片，将实体切片信息转化为数字病理图像；对数字病理图像中的细胞或细胞核进行真实情况的标记，记录标记信息，将数字病理图像以及标记信息构成数据集；将数据集分为训练集和测试集两部分；将训练集输入深度卷积神经网络-长短期记忆网络进行训练；将测试集输入训练好的深度卷积神经网络-长短期记忆网络，输出计数结果。本发明可以显著提高细胞检测计数的鲁棒性和准确率，对数字病理图像进行高通量处理速率的定量分析，为基于病理图像的医学研究提供可靠的数据分析支持。

公开(公告)号：CN107516005A

公开(公告)日：2017-12-26

申请号：CN201710576906.1

申请日：2017-07-14

Applicant: 上海交通大学

Inventor： 谷朝臣 ,  吴开杰 ,  关新平 ,  赵姝馨

IPC: G06F19/00 ,  G06F17/30 ,  G06F3/0484

CPC classification number: G06F17/30268 ,  G06F3/04845 ,  G06F17/3028 ,  G06F17/30923

Abstract: 本发明提供了一种数字病理图像标注的方法和系统，包括：采用基于病理术语库的标准图形标注工具，对待标注的数字病理图像进行标注；基于XML格式对已标注的数字病理图像上的病理标注信息进行格式化的管理；将已标注的数字病理图像分配给至少三人审核，将审核通过后的已标注的数字病理图像存储至标注数据库，并将标注数据库内的数据传输至机器学习样本库进行机器学习。本发明提供了一种专业化、规范化、系统化的数字病理图像标注解决方案，用户可利用各种终端设备进行标注、检索、上传和下载，可以提高标注效率，促进形成统一协同合作的病理图像标注机制。