-
公开(公告)号：CN113379764A
公开(公告)日：2021-09-10
申请号：CN202110621825.5
申请日：2021-06-02
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于域对抗自监督学习的病理图像分割方法。包括：获取病理图像建立病理图像自监督数据集；建立域对抗自监督模型；使用病理图像自监督数据集对域对抗自监督模型进行深度学习训练；建立病理图像分割模型；使用经过深度学习后的域对抗自监督模型对病理图像分割模型进行初始化；对病理图像中的病灶区域进行像素级别标注建立病理图像分割数据集；使用病理图像分割数据集对病理图像分割模型进行深度学习训练；使用深度学习训练后的病理图像分割模型对病理图像的未知病灶区域进行分割。本发明方法，采用域对抗自监督学习的方法，有效缓解了分割模型对大量人工标注的依赖并解决了模型在不同域上分割性能波动的问题。
-
公开(公告)号：CN112258480A
公开(公告)日：2021-01-22
申请号：CN202011144599.8
申请日：2020-10-23
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于点标注的弱监督腺体实例分割方法。包括：获取结肠组织病理学图像；对图像中存在的腺体实例进行点标注，生成腺体点检测训练样本集；建立腺体点检测模型；使用腺体点检测训练样本集对腺体点检测模型进行深度学习训练；利用深度学习训练后的腺体点检测模型预测结肠组织病理学图像中的高置信点，生成腺体实例分割训练样本集；建立腺体实例分割模型；使用腺体实例分割训练样本集对腺体实例分割模型进行深度学习训练；使用深度学习训练后的腺体实例分割模型对结肠组织病理学图像的腺体实例进行分割。本发明方法实现了结肠组织病理学图像中腺体实例的自动分割，降低了结肠癌诊断中人工分割腺体的数据标注成本。
-
公开(公告)号：CN113379764B
公开(公告)日：2023-06-02
申请号：CN202110621825.5
申请日：2021-06-02
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于域对抗自监督学习的病理图像分割方法。包括：获取病理图像建立病理图像自监督数据集；建立域对抗自监督模型；使用病理图像自监督数据集对域对抗自监督模型进行深度学习训练；建立病理图像分割模型；使用经过深度学习后的域对抗自监督模型对病理图像分割模型进行初始化；对病理图像中的病灶区域进行像素级别标注建立病理图像分割数据集；使用病理图像分割数据集对病理图像分割模型进行深度学习训练；使用深度学习训练后的病理图像分割模型对病理图像的未知病灶区域进行分割。本发明方法，采用域对抗自监督学习的方法，有效缓解了分割模型对大量人工标注的依赖并解决了模型在不同域上分割性能波动的问题。
-
-
-
Search Results
4
records
(took 0.04 seconds)
