-
公开(公告)号：CN110866893B
公开(公告)日：2021-04-06
申请号：CN201910942092.8
申请日：2019-09-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于病理图像的TMB分类方法，包括：对已知病理图像进行TMB分类标记和预处理，以构建训练集；通过该训练集对卷积神经网络进行训练，以构建分类模型；对目标病例的目标病理图像进行预处理，以获得多张目标图块；以该分类模型对该目标图块进行分类，以获取该目标病例的图块TMB分类结果；以所有该图块TMB分类结果，通过分类投票获取该目标病例的图像TMB分类结果。本发明还涉及一种基于病理图像的TMB分析装置。本发明的TMB分类方法，不依赖于除病理图像之外样本，具有准确、低成本、快速的优点，对肿瘤的研究具有重大价值。
-
Patent Agency Ranking
公开(公告)号：CN112101409B
公开(公告)日：2023-06-20
申请号：CN202010772358.1
申请日：2020-08-04
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G16H30/00
Abstract: 一种基于病理图像的肿瘤突变负荷(TMB)分类方法，其包括以下步骤：根据至少一分类阈值将已知病理图像按照TMB分为多个类型；将所述已知病理图像切割为多张已知图块，再将所述多张已知图块重新拼接为所述已知病理图像，按照所述多个类型对所述多张已知图块进行标注，以构建初步训练集；采用多分类投票法对所述初步训练集进行清洗，以构建最终训练集；通过所述最终训练集对卷积神经网络进行训练，以构建分类模型；对目标病例的目标病理图像进行预处理，以获得多张目标图块；以及以所述分类模型对所述目标图块进行分类，以获取所述目标图块的TMB分类结果，并且根据所有所述目标图块的TMB分类结果，通过多数投票法获取所述目标病理图像的TMB分类结果。
-
公开(公告)号：CN112101409A
公开(公告)日：2020-12-18
申请号：CN202010772358.1
申请日：2020-08-04
Applicant: 中国科学院计算技术研究所
Abstract: 一种基于病理图像的肿瘤突变负荷(TMB)分类方法，其包括以下步骤：根据至少一分类阈值将已知病理图像按照TMB分为多个类型；将所述已知病理图像切割为多张已知图块，再将所述多张已知图块重新拼接为所述已知病理图像，按照所述多个类型对所述多张已知图块进行标注，以构建初步训练集；采用多分类投票法对所述初步训练集进行清洗，以构建最终训练集；通过所述最终训练集对卷积神经网络进行训练，以构建分类模型；对目标病例的目标病理图像进行预处理，以获得多张目标图块；以及以所述分类模型对所述目标图块进行分类，以获取所述目标图块的TMB分类结果，并且根据所有所述目标图块的TMB分类结果，通过多数投票法获取所述目标病理图像的TMB分类结果。
-
公开(公告)号：CN111968127B
公开(公告)日：2021-08-27
申请号：CN202010640622.6
申请日：2020-07-06
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于病理图像的癌灶区域识别方法及系统，包括：获取多幅已标注标签的病理图像，每一幅病理图像具有标记癌灶区域的内容标签和癌灶轮廓的轮廓标签；构建包括编码器、内容解码器和轮廓解码器的图片分类模型，编码器用于下采样图像得到下采样特征图，轮廓解码器根据下采样特征图，解码得到廓解特征图，轮廓解码器具有到内容解码器的跳跃连接，通过跳跃连接内容解码器根据下采样特征图和廓解特征图，解码得到内容特征图；将已标注标签病理图像输入至图片分类模型，用联合监督的方式同时训练图片分类模型执行内容识别和轮廓识别任务，并计算损失函数，通过损失更新图片分类模型作为癌灶区域识别模型；通过癌灶区域识别模型识别癌灶区域。
-
公开(公告)号：CN111968127A
公开(公告)日：2020-11-20
申请号：CN202010640622.6
申请日：2020-07-06
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于病理图像的癌灶区域识别方法及系统，包括：获取多幅已标注标签的病理图像，每一幅病理图像具有标记癌灶区域的内容标签和癌灶轮廓的轮廓标签；构建包括编码器、内容解码器和轮廓解码器的图片分类模型，编码器用于下采样图像得到下采样特征图，轮廓解码器根据下采样特征图，解码得到廓解特征图，轮廓解码器具有到内容解码器的跳跃连接，通过跳跃连接内容解码器根据下采样特征图和廓解特征图，解码得到内容特征图；将已标注标签病理图像输入至图片分类模型，用联合监督的方式同时训练图片分类模型执行内容识别和轮廓识别任务，并计算损失函数，通过损失更新图片分类模型作为癌灶区域识别模型；通过癌灶区域识别模型识别癌灶区域。
-
公开(公告)号：CN110866893A
公开(公告)日：2020-03-06
申请号：CN201910942092.8
申请日：2019-09-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于病理图像的TMB分类方法，包括：对已知病理图像进行TMB分类标记和预处理，以构建训练集；通过该训练集对卷积神经网络进行训练，以构建分类模型；对目标病例的目标病理图像进行预处理，以获得多张目标图块；以该分类模型对该目标图块进行分类，以获取该目标病例的图块TMB分类结果；以所有该图块TMB分类结果，通过分类投票获取该目标病例的图像TMB分类结果。本发明还涉及一种基于病理图像的TMB分析装置。本发明的TMB分类方法，不依赖于除病理图像之外样本，具有准确、低成本、快速的优点，对肿瘤的研究具有重大价值。
-
-
-
-
-
Search Results
6
records
(took 0.039 seconds)
