公开(公告)号：CN119027365A

公开(公告)日：2024-11-26

申请号：CN202410902564.8

申请日：2024-07-07

Applicant: 哈尔滨理工大学

Inventor： 洪振龙 ,  王小玉 ,  俞越

IPC: G06T7/00 ,  G16H50/20 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/096 ,  G06N3/0895 ,  G06N3/0985

Abstract: 一种基于诊断结果引导伪标签与统一数据增强的半监督宫颈异常细胞长尾重采样检测方法，本发明涉及宫颈异常细胞检测中，全景图像存在大量无标注的数据，并且异常细胞数据标注困难且异常细胞存在长尾分布，导致数据无法充分利用，异常检出率和召回率低问题。半监督学习技术通过使用少量标记数据和大量未标记数据来学习信息，在医疗图像领域有着广泛的应用。由于全景图像的实例级别的异常细胞信息与全景图像诊断结果是息息相关的，半监督检测方法往往只考虑实例级别的标签，而忽略作为全局信息的诊断结果，这些因素导致了现有深度学习半监督目标检测方法的准确率低。为改善这一问题，本发明提出一种基于诊断结果引导伪标签与统一数据增强的半监督宫颈异常细胞长尾重采样检测方法。实验表明，该方法能有效地利用病理切片诊断结果的全局信息，减少了伪标签的不确定性，缓解长尾数据分布带来的模型偏置问题，提高了无标注数据的伪标签的可靠性，提升了异常细胞检测的准确率、召回率和平均精度。

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。