公开(公告)号：CN116309525A

公开(公告)日：2023-06-23

申请号：CN202310375319.1

申请日：2023-04-10

Applicant: 哈尔滨理工大学

Inventor： 秦健 ,  丁博 ,  康兰兰

IPC: G06T7/00 ,  G06T7/136 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明涉及一种基于语义对齐的零样本宫颈细胞检测方法，旨在提供一种有效的零样本细胞检测方法。采用视觉和文本语义对齐的模型学习方案，利用其他病理图像数据集构建零样本目标检测模型，将文本语义与目标特征对齐，在宫颈细胞语义描述的指导下扩展目标检测模型的检测类别，实现宫颈细胞的零样本检测。此外，利用部分标注的目标检测模型训练方法，降低零样本目标检测漏识别情况，提高细胞检测的准确性和可靠性。实验表明，本发明能够有效地实现各种类型宫颈细胞的零样本目标检测，并具有很强的鲁棒性和泛化能力。本发明涉及生物医学图像处理领域，具体涉及宫颈细胞的目标检测任务。

公开(公告)号：CN113012167A

公开(公告)日：2021-06-22

申请号：CN202110313933.6

申请日：2021-03-24

Applicant: 哈尔滨理工大学

Inventor： 何勇军 ,  秦健 ,  盖晋平

IPC: G06T7/11 ,  G06N3/08

Abstract: 一种细胞核与细胞质的联合分割方法，本发明涉及细胞病理图片分析诊断技术中，细胞核与细胞质难以分割的问题。提取细胞核与细胞质的形态、纹理和外观特征，为异常细胞的分类和检测提供依据，是细胞病理图像分析诊断的关键工作之一。细胞核的精确分割是提取细胞特征的关键所在。但是由于细胞间存在重叠，细胞形态差异大，细胞质边界对比度较差等，使得目前仍然没有一个较好的分割方法。针对这一问题，结合任务的特点，设计了模型和损失函数，并利用自监督学习对模型参数进行初始化，以引入先验知识。实验表明，这种方法能够有效地实现细胞核与细胞质在细胞病理分析过程中的精确分割。该方法主要应用于细胞分析任务中的细胞核和细胞质的分割任务。

公开(公告)号：CN113012167B

公开(公告)日：2022-06-21

申请号：CN202110313933.6

申请日：2021-03-24

Applicant: 哈尔滨理工大学

Inventor： 何勇军 ,  秦健 ,  盖晋平

IPC: G06T7/11 ,  G06N3/08

Abstract: 一种细胞核与细胞质的联合分割方法，本发明涉及细胞病理图片分析诊断技术中，细胞核与细胞质难以分割的问题。提取细胞核与细胞质的形态、纹理和外观特征，为异常细胞的分类和检测提供依据，是细胞病理图像分析诊断的关键工作之一。细胞核的精确分割是提取细胞特征的关键所在。但是由于细胞间存在重叠，细胞形态差异大，细胞质边界对比度较差等，使得目前仍然没有一个较好的分割方法。针对这一问题，结合任务的特点，设计了模型和损失函数，并利用自监督学习对模型参数进行初始化，以引入先验知识。实验表明，这种方法能够有效地实现细胞核与细胞质在细胞病理分析过程中的精确分割。该方法主要应用于细胞分析任务中的细胞核和细胞质的分割任务。

公开(公告)号：CN116402796A

公开(公告)日：2023-07-07

申请号：CN202310375322.3

申请日：2023-04-10

Applicant: 哈尔滨理工大学

Inventor： 梁義钦 ,  丁博 ,  秦健

IPC: G06T7/00 ,  G06T7/10 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06V10/22

Abstract: 一种融合全局和局部对比信息的宫颈细胞识别方法，本发明涉及宫颈细胞识别。为了解决病人个体差异影响宫颈细胞的类别判断，难以利用单一图像特征实现宫颈细胞的精准细粒度分类的问题。宫颈细胞病变是一个渐进的过程，各个类别间没有明确得边界，类别间相似度大，且容易受到个体差异的影响，单一图像特征难以实现宫颈细胞的精准细粒度分类。为改善这一问题，本发明提出一种融合全局和局部对比信息的宫颈细胞识别方法，将病理医生通过对比正常中层鳞状上皮宫颈细胞，观察判断异常宫颈细胞的过程转化为计算机模型推理过程。实验表明，该方法有效降低了异常宫颈细胞识别的假阳性率，提高了宫颈细胞检测准确率、敏感度和特异度，为自动阅片系统提供关键技术支撑，帮助医生更早地发现癌细胞并准确评估病变级别。本发明主要应用于宫颈细胞病理检测中异常宫颈细胞识别。

公开(公告)号：CN113160185A

公开(公告)日：2021-07-23

申请号：CN202110457201.4

申请日：2021-04-27

Applicant: 哈尔滨理工大学

Inventor： 何勇军 ,  赵司琦 ,  秦健

IPC: G06T7/00 ,  G06T7/12 ,  G06T7/194

Abstract: 一种利用生成边界指导因子的宫颈细胞分割方法，本发明涉及图像处理技术领域。该方法包括如下步骤：(1)采集宫颈细胞图像，标注得到细胞核位置与细胞质轮廓；(2)构建Ce‑GAN网络结构；(3)使用Ce‑GAN网络的粗分割模块对细胞图像进行初步分割；(4)制作Ce‑GAN的数据集；(5)构造Ce‑GAN网络指导因子生成模块的损失函数；(6)训练Ce‑GAN的生成器模型，并利用生成器模型获得细胞质的边界位置；(7)引入边界位置信息作为Ce‑GAN网络的细分割模块的指导因子，训练Ce‑GAN网络的细分割模型，并使用细分割模型对宫颈细胞图像进行分割。本发明通过引入边界位置信息作为细分割的约束条件，应用于宫颈细胞图像的细胞核和细胞质的准确分割。