-
公开(公告)号：CN113642518B
公开(公告)日：2023-08-22
申请号：CN202111014501.1
申请日：2021-08-31
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06V20/69 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明的基于迁移学习的her2病理图像细胞膜着色完整性判别方法，首先经图像筛选、染色分离和膜着色区域划分，由专家人工划分出包裹完整和包裹不完整膜染色的图像数据集，作为Inception‑V3模型训练的输入数据集；在特征提取步骤中，首先训练出Inception‑V3模型，再通过迁移学习对Inception‑V3模型进一步训练，得到神经网络的新分类模型。本发明的her2病理图像细胞膜着色完整性判别方法，通过迁移学习，可以在短时间内使用少量训练数据训练出效果较好的神经网络模型，针对不同个体可达到92%以上的正确率，为医生进行乳腺癌her2阳性状态判断提供了有效帮助。
-
公开(公告)号：CN113658209B
公开(公告)日：2023-06-16
申请号：CN202110924457.1
申请日：2021-08-12
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的基于形态学的切片组织裱贴位置优良判别方法，包括：a).获取切片组织缩略图；b).标签位置识别和统一方向；c).去除标签信息；d).去除非病理组织的点和线；e).计算病理组织中心点偏离距离；f).计算病理组织与长轴的夹角；g).判断病理切片组织裱贴优良。本发明的切片组织裱贴位置优良判别方法，整个切片组织裱贴位置优良判别利用图像识别和处理自动完成，处理效率高，解决了现有人工评估所带来的耗时耗力问题，而且整个判别过程不会加入个人的主观想法，更加客观和准确，降低了医生在切片组织裱贴位置优良判别过程中的工作量。
-
公开(公告)号：CN113658209A
公开(公告)日：2021-11-16
申请号：CN202110924457.1
申请日：2021-08-12
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的基于形态学的切片组织裱贴位置优良判别方法，包括：a).获取切片组织缩略图；b).标签位置识别和统一方向；c).去除标签信息；d).去除非病理组织的点和线；e).计算病理组织中心点偏离距离；f).计算病理组织与长轴的夹角；g).判断病理切片组织裱贴优良。本发明的切片组织裱贴位置优良判别方法，整个切片组织裱贴位置优良判别利用图像识别和处理自动完成，处理效率高，解决了现有人工评估所带来的耗时耗力问题，而且整个判别过程不会加入个人的主观想法，更加客观和准确，降低了医生在切片组织裱贴位置优良判别过程中的工作量。
-
Patent Agency Ranking
公开(公告)号：CN114937032B
公开(公告)日：2025-03-28
申请号：CN202210740555.4
申请日：2022-06-28
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/22 , G06V10/40 , G06V10/56 , G06V10/764 , G06V10/774 , G06N20/20
Abstract: 本发明的基于染色分离的病理切片颜色相关质量评估方法，包括图像预处理步骤、特征提取步骤和分类步骤，图像预处理步骤包括：首先将病理切片图像中的组织区域提取出来，然后去除组织区域中影响颜色质量的红细胞区域和无组织区域，只保留经过H&E染色后着色的组织区域；特征提取步骤为对经过预处理之后的组织区域进行特征提取。本发明评估方法，首先对图像进行去除中心的空白区域、去除周边的空白区域以及去除组织区域图像中红细胞区域的处理；然后通过获取13个特征向量，然后输入机器学习模型进行分类，所获取的机器学习模型能够有效从客观条件对切片的颜色质量进行评估分类，降低人工评估的主观意向，并减少人工评估的工作量。
-
公开(公告)号：CN114399006B
公开(公告)日：2022-07-12
申请号：CN202210292433.3
申请日：2022-03-24
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06K9/62 , G06F16/901 , G06F16/904
Abstract: 本公开提供了一种基于超算的多源异构图数据融合方法及系统，涉及多源异构图数据处理技术领域，采用虚拟化服务器通过镜像模拟知识本体构建工具的运行环境，并以数据服务接口的方式将多个知识本体构建方法进行统一整合，能够集成知识标注、知识抽取、知识融合等图数据处理工具，实现多源异构数据的图数据融合，并且采用大规模知识图谱分布式存储方式，实时存储解析后的多源异构数据；对历史存储的多源异构数据进行统计分析，得到统计分析结果并进行可视化展示，其数据融合自动化程度高、融合速度快，可拓展性强，可支撑一站式图数据处理操作，另外，采用虚拟化技术完成各种工具环境部署，具有算力强大、硬件条件高、安全性高、性能优越的特点。
-
公开(公告)号：CN114399006A
公开(公告)日：2022-04-26
申请号：CN202210292433.3
申请日：2022-03-24
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06K9/62 , G06F16/901 , G06F16/904
Abstract: 本公开提供了一种基于超算的多源异构图数据融合方法及系统，涉及多源异构图数据处理技术领域，采用虚拟化服务器通过镜像模拟知识本体构建工具的运行环境，并以数据服务接口的方式将多个知识本体构建方法进行统一整合，能够集成知识标注、知识抽取、知识融合等图数据处理工具，实现多源异构数据的图数据融合，并且采用大规模知识图谱分布式存储方式，实时存储解析后的多源异构数据；对历史存储的多源异构数据进行统计分析，得到统计分析结果并进行可视化展示，其数据融合自动化程度高、融合速度快，可拓展性强，可支撑一站式图数据处理操作，另外，采用虚拟化技术完成各种工具环境部署，具有算力强大、硬件条件高、安全性高、性能优越的特点。
-
公开(公告)号：CN113642518A
公开(公告)日：2021-11-12
申请号：CN202111014501.1
申请日：2021-08-31
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的基于迁移学习的her2病理图像细胞膜着色完整性判别方法，首先经图像筛选、染色分离和膜着色区域划分，由专家人工划分出包裹完整和包裹不完整膜染色的图像数据集，作为Inception‑V3模型训练的输入数据集；在特征提取步骤中，首先训练出Inception‑V3模型，再通过迁移学习对Inception‑V3模型进一步训练，得到神经网络的新分类模型。本发明的her2病理图像细胞膜着色完整性判别方法，通过迁移学习，可以在短时间内使用少量训练数据训练出效果较好的神经网络模型，针对不同个体可达到92%以上的正确率，为医生进行乳腺癌her2阳性状态判断提供了有效帮助。
-
公开(公告)号：CN114937032A
公开(公告)日：2022-08-23
申请号：CN202210740555.4
申请日：2022-06-28
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/22 , G06V10/40 , G06V10/56 , G06V10/764 , G06V10/774 , G06N20/20
Abstract: 本发明的基于染色分离的病理切片颜色相关质量评估方法，包括图像预处理步骤、特征提取步骤和分类步骤，图像预处理步骤包括：首先将病理切片图像中的组织区域提取出来，然后去除组织区域中影响颜色质量的红细胞区域和无组织区域，只保留经过H&E染色后着色的组织区域；特征提取步骤为对经过预处理之后的组织区域进行特征提取。本发明评估方法，首先对图像进行去除中心的空白区域、去除周边的空白区域以及去除组织区域图像中红细胞区域的处理；然后通过获取13个特征向量，然后输入机器学习模型进行分类，所获取的机器学习模型能够有效从客观条件对切片的颜色质量进行评估分类，降低人工评估的主观意向，并减少人工评估的工作量。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.048 seconds)
