公开(公告)号：CN118015614A

公开(公告)日：2024-05-10

申请号：CN202410100902.6

申请日：2024-01-24

Applicant: 武汉大学中南医院

Inventor： 周芙玲 ,  喻亚兰 ,  彭爽 ,  潘宇哲 ,  殷婉悦 ,  吴三云 ,  邵亮 ,  沈辉 ,  张岘 ,  张冬雷 ,  刘晓燕 ,  何靖

IPC: G06V20/69 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/26 ,  G06T7/62

Abstract: 本发明公开了高危型del(17p13)/p53基因缺失阳性的多发性骨髓瘤细胞分析类方法，包括：S1，构建样本数据集；S2，构建图像分割模型；S3，训练图像分割模型；S4，进而获得核质比；S5，绘制不同核质比、细胞面积、细胞核面积和细胞质面积下的骨髓瘤细胞真阳性率和假阳性率的ROC曲线；S6，将核质比、细胞面积、细胞核面积和核仁个数四个指标作为单指标或者多个指标联立，绘制ROC曲线，筛选出最佳预测组合，确定最优阈值，作为后续分析的界值；S7，利用S3的图像分割模型，计算对应的指标，通过界值对待测图像进行阴性和阳性的预测分类。该方法通过核质比测量和ROC曲线分析，实现高效、准确地识别高危p53基因缺失阳性的MM细胞，进而实现预测分类，以提供快速的、有价值的参考结论。

公开(公告)号：CN115641345A

公开(公告)日：2023-01-24

申请号：CN202211271668.0

申请日：2022-10-18

Applicant: 武汉大学中南医院

Inventor： 周芙玲 ,  喻亚兰 ,  沈辉 ,  邵亮 ,  吴三云 ,  刘晓燕 ,  罗萍 ,  何靖 ,  吴金娴 ,  黎鑫琦 ,  朱明林

IPC: G06T7/11 ,  G06T7/62 ,  G06V10/774 ,  G06V20/70 ,  G06N3/0475 ,  G06N3/048 ,  G06N3/096

Abstract: 本发明公开了一种基于深度学习的多发性骨髓瘤细胞形态精细分割方法，采用编码器和解码器的网络结构，在编码器特征提取部分采用串并联多注意力的残差结构，并在解码器部分引入多尺度深监督和焦点损失，使网络提取更丰富的通道、局部空间和全局空间特征，多尺度深监督能融合不同尺度输出，更关注数量较少且难分割的多发性骨髓瘤细胞。本发明克服了多发性骨髓瘤细胞形态精细分割困难的缺点，具有自动化、成本低、效率高等优点，对早期的医学诊断和预后评估具有重大意义。