-
公开(公告)号：CN110852288B
公开(公告)日：2022-07-05
申请号：CN201911122532.1
申请日：2019-11-15
Applicant: 苏州大学
IPC: G06V20/69 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种基于两阶段卷积神经网络的细胞图像分类方法、装置、设备及可读存储介质，能够基于细胞图像分类模型实现对上皮细胞染色图像的分类，该细胞分类模型针对各类图像特征鉴别难度的不同分别设置了粗分类单元和精分类单元，在实际分类预测过程中，首先根据粗分类结果判断图像是否为易混淆类，对于非易混淆类的图像直接输出其粗分类结果，对于易混淆类的图像，则结合粗分类单元和精分类单元各自提取到的特征图进行精细化分类。因此，该模型在保证分类效率的同时，提升了分类的可靠性，而且精分类单元中的卷积神经网络与易混淆类一一对应，进一步保证了精分类的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN113537371B
公开(公告)日：2023-03-17
申请号：CN202110831372.9
申请日：2021-07-22
Applicant: 苏州大学
IPC: G06F16/2458
Abstract: 本发明涉及一种融入边缘特征两阶段的上皮细胞分类方法，包括将细胞染色图像数据划分为原始训练集和原始验证集，通过聚类、Sobel运算和子集划分，得到聚类后的训练集、粗类训练集和细类训练集；利用聚类后的训练集和粗类训练集对粗粒度分类器进行训练，利用细类训练集对细粒度分类器进行训练，得到训练好的粗粒度分类器和细粒度分类器；利用粗粒度分类器和细粒度分类器对待分类的细胞染色图像数据进行类别分类。本发明在训练过程中，将训练集中图像的重要特征保留下来，使得前后的特征信息能够进一步的融合，从而最大限度地识别和保留判别信息，提高机器学习模型的效率。
-
公开(公告)号：CN113537371A
公开(公告)日：2021-10-22
申请号：CN202110831372.9
申请日：2021-07-22
Applicant: 苏州大学
Abstract: 本发明涉及一种融入边缘特征两阶段的上皮细胞分类方法，包括将细胞染色图像数据划分为原始训练集和原始验证集，通过聚类、Sobel运算和子集划分，得到聚类后的训练集、粗类训练集和细类训练集；利用聚类后的训练集和粗类训练集对粗粒度分类器进行训练，利用细类训练集对细粒度分类器进行训练，得到训练好的粗粒度分类器和细粒度分类器；利用粗粒度分类器和细粒度分类器对待分类的细胞染色图像数据进行类别分类。本发明在训练过程中，将训练集中图像的重要特征保留下来，使得前后的特征信息能够进一步的融合，从而最大限度地识别和保留判别信息，提高机器学习模型的效率。
-
公开(公告)号：CN111680575B
公开(公告)日：2024-06-14
申请号：CN202010425239.9
申请日：2020-05-19
Applicant: 苏州大学
IPC: G06V20/69 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本申请公开了一种人类上皮细胞染色分类装置，包括：训练模块，用于预先利用多尺度卷积神经网络和样本人类上皮细胞染色图像数据训练出目标分类模型；获取模块，用于获取待测人类上皮细胞染色图像数据；分类模块，用于将待测人类上皮细胞染色图像数据输入至目标分类模型中，输出对应的分类结果。可见，由于本装置中所使用的多尺度卷积神经网络充分利用不同尺度的网络信息，使得前后特征信息能够进一步的融合，从而提高模型的效率，并且能够充分利用网络训练中的有效信息，从而提高人类上皮细胞染色分类结果的准确度。本申请还公开了一种人类上皮细胞染色分类设备及计算机可读存储介质，均具有上述有益效果。
-
公开(公告)号：CN111680575A
公开(公告)日：2020-09-18
申请号：CN202010425239.9
申请日：2020-05-19
Applicant: 苏州大学
Abstract: 本申请公开了一种人类上皮细胞染色分类装置，包括：训练模块，用于预先利用多尺度卷积神经网络和样本人类上皮细胞染色图像数据训练出目标分类模型；获取模块，用于获取待测人类上皮细胞染色图像数据；分类模块，用于将待测人类上皮细胞染色图像数据输入至目标分类模型中，输出对应的分类结果。可见，由于本装置中所使用的多尺度卷积神经网络充分利用不同尺度的网络信息，使得前后特征信息能够进一步的融合，从而提高模型的效率，并且能够充分利用网络训练中的有效信息，从而提高人类上皮细胞染色分类结果的准确度。本申请还公开了一种人类上皮细胞染色分类设备及计算机可读存储介质，均具有上述有益效果。
-
公开(公告)号：CN110852288A
公开(公告)日：2020-02-28
申请号：CN201911122532.1
申请日：2019-11-15
Applicant: 苏州大学
Abstract: 本申请公开了一种基于两阶段卷积神经网络的细胞图像分类方法、装置、设备及可读存储介质，能够基于细胞图像分类模型实现对上皮细胞染色图像的分类，该细胞分类模型针对各类图像特征鉴别难度的不同分别设置了粗分类单元和精分类单元，在实际分类预测过程中，首先根据粗分类结果判断图像是否为易混淆类，对于非易混淆类的图像直接输出其粗分类结果，对于易混淆类的图像，则结合粗分类单元和精分类单元各自提取到的特征图进行精细化分类。因此，该模型在保证分类效率的同时，提升了分类的可靠性，而且精分类单元中的卷积神经网络与易混淆类一一对应，进一步保证了精分类的可靠性。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
