-
公开(公告)号：CN117425915A
公开(公告)日：2024-01-19
申请号：CN202280036166.1
申请日：2022-05-30
Applicant: 卡尔蔡司显微镜有限责任公司
IPC: G06T7/00
Abstract: 一种用于生成图像处理模型(M)以根据显微镜图像(20)计算出实际染色图像(30)的计算机实施方法，该方法包括使用至少包括以下内容的训练数据(T)对图像处理模型(M)进行训练(15)：作为图像处理模型(M)输入数据的显微镜图像(20)；使用采集的化学染色图像(60)形成的目标图像(50)；以及区分需要染色的图像区域(71、72)和不需要染色的图像区域(72)的预定义分割掩膜(70)。训练图像处理模型(M)，通过优化用于采集虚拟染色图像(30)与目标图像(50)之间差异的染色奖励/损失函数(LSTAIN)，以根据输入显微镜图像(20)计算出虚拟染色图像(30)。将预定义分割掩膜(70)考虑在图像处理模型(M)的训练(15)内，以补偿化学染色图像(60)中的误差。
-
公开(公告)号：CN117425919A
公开(公告)日：2024-01-19
申请号：CN202280036167.6
申请日：2022-05-30
Applicant: 卡尔蔡司显微镜有限责任公司
IPC: G06T11/00
Abstract: 一种计算机实现的方法生成图像处理模型(M)，以便从显微镜图像(20)计算出虚拟染色图像(30)。使用训练数据(T)对图像处理模型(M)执行训练(15)，训练数据包括作为图像处理模型(M)输入数据的显微镜图像(20)和通过与显微镜图像(20)相关的局部配准的化学染色图像(60)形成的目标图像(50)。通过优化目标函数(L)，捕获虚拟染色图像(30)和目标图像(50)之间的差异，训练图像处理模型(M)从输入的显微镜图像(20)计算虚拟染色图像(30)。经过一定数量的训练步骤后，使用任一化学染色图像(60)和在一定数量的训练步骤后计算出的相关虚拟染色图像(30)定义至少一个加权掩膜(W)。在加权掩膜(W)中，一个或多个图像区域(W1、W2、W6)基于虚拟染色图像(30)和化学染色图像(60)中局部对应图像区域之间的差异加权。继续进行训练(15)，其中在目标函数(L)中将考虑加权掩膜(W)。
-
公开(公告)号：CN115439844A
公开(公告)日：2022-12-06
申请号：CN202210594252.6
申请日：2022-05-27
Applicant: 卡尔蔡司显微镜有限责任公司
IPC: G06V20/69 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 在一种用于生成图像处理模型(M)的计算机实现的方法中，该图像处理模型(M)生成输出数据(40)，该输出数据(40)从显微镜图像(20)定义风格化对比度图像(30)，通过使用训练数据(T)优化至少一个目标函数(L)调整图像处理模型(M)的模型参数。训练数据(T)包括作为输入数据的显微镜图像(20)和对比度图像(50)，其中显微镜图像(20)和对比度图像(50)由不同的显微镜技术产生。为了使输出数据(40)定义风格化对比度图像(30)，目标函数(L)强制进行细节减少，或者对比度图像(50)是细节减少的对比度图像(55)，其细节级别低于显微镜图像(20)，高于二值图像。
-
公开(公告)号：CN115362472A
公开(公告)日：2022-11-18
申请号：CN202180025032.5
申请日：2021-03-30
Applicant: 卡尔蔡司显微镜有限责任公司
Abstract: 一种对组织样本进行虚拟染色的方法包括获得描绘该组织样本的成像数据(501‑503)。该方法还包括在至少一个机器学习逻辑(500)中处理该成像数据(501‑503)，该至少一个机器学习逻辑(500)被配置为提供全都包括组织样本的给定虚拟染色剂的多个输出图像(521)，该多个输出图像(521)描绘了包括与不同染色实验室过程相关联的不同着色的给定虚拟染色剂的组织样本。该方法进一步包括从该至少一个机器学习逻辑(500)获得该多个输出图像中的至少一个输出图像(521)。
-
-
-
Search Results
4
records
(took 0.023 seconds)
