公开(公告)号：CN117423447A

公开(公告)日：2024-01-19

申请号：CN202311346330.1

申请日：2023-10-17

Applicant: 哈尔滨医科大学 ,  西北大学

Inventor： 赵艳滨 ,  王亚栋 ,  张育 ,  孟宏学 ,  于雁 ,  亢宇鑫 ,  崔磊 ,  邓姝哲 ,  张明辉 ,  王海涛 ,  郭茗元 ,  段小漫

IPC: G16H50/20 ,  G06T7/00 ,  G06T7/73 ,  G06V10/25 ,  G06V10/82 ,  G06T7/62 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08 ,  G06T7/11

Abstract: 本申请涉及一种基于深度学习的肺癌WIS气腔播散病理诊断装置，该装置基于检测模型，检测模型包括主肿瘤分割网络和目标检测网络，主肿瘤分割网络包括TCA模块，其中的Visual Transformer可以捕获丰富的上下文信息、Coordinate attention可以捕获位置信息和通道间的关系，因此可以提升WSI分割的性能；模型训练过程中，使用的损失函数会在相同类别中心距离过大或者不同类别中心距离过小时作出惩罚，可以拉近同类之间的特征距离并且拉远不同类之间的特征距离，可以提升模型对STAS的识别度。因此本申请的肺癌WIS气腔播散病理诊断装置可以帮助病理医生更准确的诊断STAS，为医疗工作助力。

公开(公告)号：CN114202510B

公开(公告)日：2024-01-19

申请号：CN202111332278.5

申请日：2021-11-11

Applicant: 西北大学

Inventor： 崔磊 ,  刘建业 ,  李涵生 ,  董阳 ,  王亚栋 ,  杨林

IPC: G06T7/00 ,  G06V20/69 ,  G06V10/96 ,  G06V10/98 ,  G06V10/22 ,  G06V10/774 ,  G06V10/776 ,  G16H30/40 ,  G16H15/00 ,  G16H40/67 ,  G01N21/84 ,  G01N21/01

Abstract: 本发明涉及显微镜下病理切片图像智能分析系统，包括显微镜、显微镜摄像头、机械臂、处理器、存储器以及显示器；显微镜摄像头用于采集显微镜下病理切片的图像，机械臂实现显微镜物镜下切片移动。处理器接收来自显微镜摄像头的病理切片图像，该系统为数字病理切片图像匹配适应算法模型，通过智能诊断对病理切片图像进行算法处理，得到初步诊断结果，输出标注后的病理切片图像；对带标注的病理切片图像进行人工判断，如果标注结果符合需求，不进行修正标注；否则，对病理切片图像进行人工修正标注信息，输出人工判断结果；对人工修正的病理切片图像进行处理，通过本地数据再训练模型，增强模型对本地数据的适配性，输出最终病理报

公开(公告)号：CN114202510A

公开(公告)日：2022-03-18

申请号：CN202111332278.5

申请日：2021-11-11

Applicant: 西北大学

Inventor： 崔磊 ,  刘建业 ,  李涵生 ,  董阳 ,  王亚栋 ,  杨林

IPC: G06T7/00 ,  G06V20/69 ,  G06V10/96 ,  G06V10/98 ,  G06V10/22 ,  G06V10/774 ,  G06V10/776 ,  G16H30/40 ,  G16H15/00 ,  G16H40/67 ,  G01N21/84 ,  G01N21/01 ,  G06K9/62

Abstract: 本发明涉及显微镜下病理切片图像智能分析系统，包括显微镜、显微镜摄像头、机械臂、处理器、存储器以及显示器；显微镜摄像头用于采集显微镜下病理切片的图像，机械臂实现显微镜物镜下切片移动。处理器接收来自显微镜摄像头的病理切片图像，该系统为数字病理切片图像匹配适应算法模型，通过智能诊断对病理切片图像进行算法处理，得到初步诊断结果，输出标注后的病理切片图像；对带标注的病理切片图像进行人工判断，如果标注结果符合需求，不进行修正标注；否则，对病理切片图像进行人工修正标注信息，输出人工判断结果；对人工修正的病理切片图像进行处理，通过本地数据再训练模型，增强模型对本地数据的适配性，输出最终病理报告。

公开(公告)号：CN116912491A

公开(公告)日：2023-10-20

申请号：CN202310806375.6

申请日：2023-07-03

Applicant: 西北大学

Inventor： 崔磊 ,  王亚栋 ,  刘苗 ,  亢宇鑫 ,  张育 ,  杨林

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/82 ,  G06V10/80 ,  G06V10/774 ,  G06V10/776 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的肺癌病理图像中主肿瘤分割方法，包括：获取经HE染色的肺癌WSI病理图像切片，由病理专家手动注释，并进行数据集划分；构建主肿瘤分割模型，以获得肺癌病理切片中的主肿瘤区域；优化主肿瘤分割模型，基于区域分割模型添加TCA模块，加强模型学习主肿瘤边界内外的特征的能力，同时通过ABL和LOU损失，细化区域分割边界信息，训练模型直至收敛；评估与测试以及结果可视化。在经HE染色的肺癌WSI切片中，该方法基于图像分割模型，利用TCA模块、ABL和LOU损失，加强模型学习主肿瘤边界内外的特征的能力，使模型关注边界相关的信息，有效提高了图像分割模型在边界处的分割效果。