公开(公告)号：CN118260442A

公开(公告)日：2024-06-28

申请号：CN202410350916.3

申请日：2024-03-26

Applicant: 哈尔滨理工大学

Inventor： 宋立新 ,  苏闯

IPC: G06F16/583 ,  G06F16/538 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/084 ,  G16H30/20

Abstract: 一种基于自监督学习的病理图像乘积量化检索方法，涉及医学图像处理领域。本发明是为了解决PQ检索中提取图像特征的模型无法提取病理图像关键信息的问题。本发明所述的一种基于自监督学习的病理图像乘积量化检索方法，将被检索病理图像输入至病理图像SPQ检索模型中，获得被检索病理图像的图像特征向量；将检索库中的所有检索图像均输入至病理图像SPQ检索模型中，获得检索图像的乘积量化码；分别计算所述被检索病理图像的图像特征向量与每一幅检索图像的乘积量化码之间的欧式距离；将所有欧氏距离由小到大进行排序，并提取排序前1％的欧氏距离作为检索欧式距离；将检索欧式距离对应的检索图像作为被检索病理图像的检索结果。

公开(公告)号：CN117789934A

公开(公告)日：2024-03-29

申请号：CN202311435959.3

申请日：2023-10-31

Applicant: 哈尔滨理工大学

Inventor： 宋立新 ,  苏闯

IPC: G16H30/20 ,  G06F16/58 ,  G06V10/74 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/094

Abstract: 本发明公开了一种基于蛇形卷积的多尺度池化和范数注意力机制的病理图像哈希检索方法。属于医学图像处理领域，目的是为了实现子宫内膜癌细胞病理图像检索，以减少子宫内膜癌细胞病理图像复杂多变的表现形式对检索效果的影响。本发明包括以下步骤：步骤一：将数据集划分成训练集、测试集；步骤二：构建病理图像检索哈希模型，哈希模型由深度特征学习模型和对抗哈希学习模型构成；步骤三：哈希模型损失函数设计，深度特征学习模型采用注意力损失，对抗哈希学习模型采用成对相似约束损失、语义损失、量化损失、生成器损失、鉴别器损失；步骤四：病理图像检索哈希模型训练；步骤五：病理图像检索。本发明应用于病理图像检索。