公开(公告)号：CN114387264B

公开(公告)日：2023-04-18

申请号：CN202210054661.7

申请日：2022-01-18

Applicant: 桂林电子科技大学

Inventor： 潘细朋 ,  程纪钧 ,  刘振丙 ,  王子民 ,  汪华登 ,  冯拯云 ,  卢慧敏 ,  安娅君

IPC: G06T7/00 ,  G06T5/00 ,  G06N20/00 ,  G06V10/774

Abstract: 本发明属于医学图像技术领域，具体涉及一种HE染色病理图像数据扩充与增强的方法；所述方法包括模型训练和模型推理两个阶段：在模型训练阶段，对病理图像数据集进行划分，得到训练集、验证集及测试集；构建基于生成对抗网络的深度学习模型；将上述训练集和验证集送入网络模型进行训练，获得网络模型参数；网络模型训练完成后，对源病理图像数据集以外的随机生成图像进行推理，获得合成的病理图像分割掩码和病理图像。本方法通过构建用于病理图像数据扩充的模型，合成更多符合该数据特征分布的病理图像及其对应的分割掩码，从而扩充原本有限数量的病理图像数据集，可有效帮助现有病理图像分割方法提升分割性能。

公开(公告)号：CN114387264A

公开(公告)日：2022-04-22

申请号：CN202210054661.7

申请日：2022-01-18

Applicant: 桂林电子科技大学

Inventor： 潘细朋 ,  程纪钧 ,  刘振丙 ,  王子民 ,  汪华登 ,  冯拯云 ,  卢慧敏 ,  安娅君

IPC: G06T7/00 ,  G06T5/00 ,  G06K9/62 ,  G06N20/00 ,  G06V10/774

Abstract: 本发明属于医学图像技术领域，具体涉及一种HE染色病理图像数据扩充与增强的方法；所述方法包括模型训练和模型推理两个阶段：在模型训练阶段，对病理图像数据集进行划分，得到训练集、验证集及测试集；构建基于生成对抗网络的深度学习模型；将上述训练集和验证集送入网络模型进行训练，获得网络模型参数；网络模型训练完成后，对源病理图像数据集以外的随机生成图像进行推理，获得合成的病理图像分割掩码和病理图像。本方法通过构建用于病理图像数据扩充的模型，合成更多符合该数据特征分布的病理图像及其对应的分割掩码，从而扩充原本有限数量的病理图像数据集，可有效帮助现有病理图像分割方法提升分割性能。

公开(公告)号：CN119600597A

公开(公告)日：2025-03-11

申请号：CN202411638278.1

申请日：2024-11-16

Applicant: 桂林电子科技大学

Inventor： 潘细朋 ,  侯飞虎 ,  陈滔滔 ,  张若杰 ,  卢慧敏 ,  宋世龙

IPC: G06V20/69 ,  G06V10/30 ,  G06V10/422 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于弱监督和半监督的细胞核分割方法，包括以下步骤：S1、选取任意乳腺癌病理图像库中的病理图像及其部分点标签作为待检测图像，使用扩展的高斯滤波算法对标记点进行初始训练；然后采用背景传播的方法进行自训练，通过不断迭代更新，获取较为精准的细胞核检测结果，并利用课程学习策略，先用简单的样本对模型进行训练，然后随着模型的改进逐渐增加样本的难度，以增强模型的学习能力；S2、使用S1得到的完整点标签生成三种弱标签，包括：1)生成Voronoi标签。本发明降低了对模型的要求，能够利用有限的弱标签数据，又能够保持较高分割准确性，同时也提高了分隔的效率，有利于对细胞核的边缘和形状信息的处理。