用于数字病理学的适应性学习框架

    公开(公告)号:CN119404230A

    公开(公告)日:2025-02-07

    申请号:CN202380048386.0

    申请日:2023-06-22

    Abstract: 本公开涉及用于使用适应性学习框架来进行初始模型的高效开发以及对不同图像域的高效模型更新和/或适应的技术。为了实现初始模型的高效开发,可以进行如下两步开发策略:阶段1:模型预处置,其中人工智能系统利用现有的经注释数据集,并通过训练这些数据集来改善学习技能;以及阶段2:目标模型训练,其中人工智能系统利用从阶段1学习到的所述学习技能将自身延伸到不同图像域(目标域),其中与常规学习方法相比,所述目标域中需要较少数目的注释。为了在初始模型开发之后高效地进行对新数据集的模型更新和适应,对数字病理学场景进行标识,基于所述场景来选择自适应学习方法,并使用所述自适应学习方法来更新所述模型并使其适应新数据集。

    用于处理病理学载玻片的架构感知图像分块

    公开(公告)号:CN119585766A

    公开(公告)日:2025-03-07

    申请号:CN202380055768.6

    申请日:2023-07-26

    Abstract: 本文描述了用于处理病理学载玻片的架构感知图像分块的技术。在特定方面,提供了一种计算机实现方法,其包括:访问图像;基于以下来针对所述图像生成分块元素:(i)要在机器学习模型中实现的下采样层的数量、(ii)在所述机器学习模型中在卷积运算期间要应用的内核的大小、(iii)由所述机器学习模型以每个级别或每个分辨率实现的卷积层的数量,或其任何组合;使用所述分块元素从所述图像提取图块;将每个图块输入到所述机器学习模型中;针对每个图块,使用至少所述卷积层、所述内核和所述下采样层来生成所述图像的卷积部分;使用所述图像的所述卷积部分来生成所述图像的卷积版本;以及输出所述图像的所述卷积版本。

    使用几何特征的整个载玻片注释转移

    公开(公告)号:CN115917594A

    公开(公告)日:2023-04-04

    申请号:CN202180051114.7

    申请日:2021-08-20

    Abstract: 本发明提供了一种用于在组织样品的图像之间转移数字病理学注释的方法,所述方法可以包括:针对组织样品的切片的第一图像的几何特征来识别第一组点;针对相同组织样品的第二图像的对应几何特征来识别对应的第二组点,所述第二图像为所述组织样品的另一切片的图像;确定所述第一组点的坐标和所述第二组点的坐标;确定所述第一组点与所述第二组点之间的变换;以及将所述变换应用于所述第一图像上的一组数字病理学注释,以将所述第一图像内的所述一组数字病理学注释转移至所述第二图像。

Patent Agency Ranking