-
公开(公告)号：CN113469967A
公开(公告)日：2021-10-01
申请号：CN202110721165.8
申请日：2021-06-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种尿沉渣中透明管型、病理管型的识别方法，1：构建数据集；2：数据集的预处理；3：构建Mobile_Urinet尿液有形成分识别网络；4：设置所用的网络参数如下；5：训练基于步骤3所述Mobile_Urinet尿液有形成分识别模型；6：利用步骤1、2得到的尿沉渣图像测试集对所得模型进行测试，得到测试集中管型成分的识别结果及总体准确率。本发明针对管型类图像难以分类的特点，采用数据扩充以及高低帽变换增强对比度后，使用轻量级的网络结构完成任务，在准确率高的同时识别速度快，且得到的模型参数少，易与部署，在临床中的尿沉渣识别检验有着广阔的应用前景。
-
公开(公告)号：CN112598620A
公开(公告)日：2021-04-02
申请号：CN202011333284.8
申请日：2020-11-25
Applicant: 哈尔滨工程大学
Abstract: 本发明尿沉渣中透明管型、病理管型以及粘液丝的识别方法，步骤1：收集分割后的尿液有形成分显微图片，按比例随机划分为训练集和测试集；步骤2：训练集数据的预处理；步骤3：构建urine_8Net尿液有形成分识别网络；步骤4：设置所用的网络参数；步骤5：训练基于步骤3所述urine_8Net尿液有形成分识别模型；步骤6：利用步骤1、2得到的尿沉渣图像测试集对所得模型进行测试，得到测试集中管型成分的识别结果及总体准确率。本发明能够自动提取图像特征，对选取的尿液有形成分进行有效的细粒度识别，具有准确率高，识别速度快的特点，在临床中的尿沉渣识别检验有着广阔的应用前景。
-
公开(公告)号：CN112598620B
公开(公告)日：2022-11-15
申请号：CN202011333284.8
申请日：2020-11-25
Applicant: 哈尔滨工程大学
IPC: G06T7/00 , G06T7/11 , G06T5/00 , G06T3/60 , G06V10/56 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明尿沉渣中透明管型、病理管型以及粘液丝的识别方法，步骤1：收集分割后的尿液有形成分显微图片，按比例随机划分为训练集和测试集；步骤2：训练集数据的预处理；步骤3：构建urine_8Net尿液有形成分识别网络；步骤4：设置所用的网络参数；步骤5：训练基于步骤3所述urine_8Net尿液有形成分识别模型；步骤6：利用步骤1、2得到的尿沉渣图像测试集对所得模型进行测试，得到测试集中管型成分的识别结果及总体准确率。本发明能够自动提取图像特征，对选取的尿液有形成分进行有效的细粒度识别，具有准确率高，识别速度快的特点，在临床中的尿沉渣识别检验有着广阔的应用前景。
-
公开(公告)号：CN113469967B
公开(公告)日：2022-06-21
申请号：CN202110721165.8
申请日：2021-06-28
Applicant: 哈尔滨工程大学
IPC: G06T7/00 , G06T7/11 , G06T5/00 , G06T5/30 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种尿沉渣中透明管型、病理管型的识别方法，1：构建数据集；2：数据集的预处理；3：构建Mobile_Urinet尿液有形成分识别网络；4：设置所用的网络参数如下；5：训练基于步骤3所述Mobile_Urinet尿液有形成分识别模型；6：利用步骤1、2得到的尿沉渣图像测试集对所得模型进行测试，得到测试集中管型成分的识别结果及总体准确率。本发明针对管型类图像难以分类的特点，采用数据扩充以及高低帽变换增强对比度后，使用轻量级的网络结构完成任务，在准确率高的同时识别速度快，且得到的模型参数少，易与部署，在临床中的尿沉渣识别检验有着广阔的应用前景。
-
-
-
Search Results
4
records
(took 0.018 seconds)
