-
公开(公告)号：CN114494204A
公开(公告)日：2022-05-13
申请号：CN202210102370.0
申请日：2022-01-27
Applicant: 复旦大学
Abstract: 本发明提供一种基于深度学习的Ki67指数计算方法，基于两个阶段进行，首先将病理切片图像数据进行预处理得到1.5x的低分辨率的图像，在该1.5x的低分辨率的图像上提取热点区域，并且映射到40x的高分辨率的图像上，将高分辨率的图像上的热点区域分割成若干张512像素的小图片，将这些小图片输入到细胞检测模型中，从而获取细胞检测的结果，该基于深度学习的Ki67指数计算方法避免了整张大图检测，解决了现有整张切片计算方式的计算量大的问题，提高了检测计算的效率；其中，由于构建的细胞检测模型是依据病理细胞检测数据集小，且细胞尺度一致性的特点而构建的，其具有多尺度特征融合模块和双任务学习范式，因此还提高了细胞检测的精度。
-
公开(公告)号：CN114494204B
公开(公告)日：2024-12-06
申请号：CN202210102370.0
申请日：2022-01-27
Applicant: 复旦大学
Abstract: 本发明提供一种基于深度学习的Ki67指数计算方法，基于两个阶段进行，首先将病理切片图像数据进行预处理得到1.5x的低分辨率的图像，在该1.5x的低分辨率的图像上提取热点区域，并且映射到40x的高分辨率的图像上，将高分辨率的图像上的热点区域分割成若干张512像素的小图片，将这些小图片输入到细胞检测模型中，从而获取细胞检测的结果，该基于深度学习的Ki67指数计算方法避免了整张大图检测，解决了现有整张切片计算方式的计算量大的问题，提高了检测计算的效率；其中，由于构建的细胞检测模型是依据病理细胞检测数据集小，且细胞尺度一致性的特点而构建的，其具有多尺度特征融合模块和双任务学习范式，因此还提高了细胞检测的精度。
-
Search Results
2
records
(took 0.018 seconds)
