公开(公告)号：CN116580203A

公开(公告)日：2023-08-11

申请号：CN202310620910.9

申请日：2023-05-29

Applicant: 哈尔滨理工大学

Inventor： 丁博 ,  杨晓娜 ,  栗嘉鸿 ,  李超炜

IPC: G06V10/26 ,  G06V10/28 ,  G06V10/774 ,  G06V10/82 ,  G06V10/25 ,  G06V10/766

Abstract: 一种基于视觉注意力的无监督宫颈细胞实例分割方法，本发明涉及宫颈癌智能辅助诊断技术中标注数据缺失和宫颈细胞的精准分割问题。计算机智能辅助诊断技术被广泛应用，其中细胞分割技术是各种下游任务基础。深度学习模型需要大量的标注数据进行训练，而像素级的标注耗时耗力，且存在生理原因和制片原因导致的细菌、白细胞、气泡等杂质，另外宫颈细胞图像存在重叠粘连、视觉上不可分等问题。为改善这些问题，本发明提出了一种基于视觉注意力的无监督宫颈细胞实例分割方法。实验表明，该方法可以有效提升分割的准确率，减少杂质的干扰与标签不完全所导致的漏检问题。本发明应用于无标签情况下宫颈细胞的精准分割。

公开(公告)号：CN116758536A

公开(公告)日：2023-09-15

申请号：CN202310724783.7

申请日：2023-06-19

Applicant: 哈尔滨理工大学

Inventor： 丁博 ,  李超炜 ,  洪振龙 ,  杨晓娜

IPC: G06V20/69 ,  G06V10/764 ,  G06V10/774 ,  G06V10/74 ,  G06V10/80 ,  G01N21/78

Abstract: 一种融合差异化细胞关系和涂片背景的宫颈细胞分类方法，本发明涉及宫颈细胞分类中，样本内细胞相似性和样本间细胞的差异性导致宫颈细胞分类准确率低问题。由于样本间具有不同的病理或生理状态，宫颈细胞的形态染色存在差异。同时，在样本内，正常细胞和无明确诊断意义的病变细胞相似、低度和高度病变细胞类内相似，这些因素导致了现有深度学习分类方法的准确率较低。为改善这一问题，本发明提出了一种融合差异化细胞关系和涂片背景的宫颈细胞分类方法。实验表明，该方法能有效利用样本内涂片背景和差异化细胞关系，减少样本间的差异性，提高样本内细胞的区分度，提高分类的准确率、敏感度和特异性。本发明应用于细胞病理中的宫颈细胞分类。