-
公开(公告)号:CN114004821A
公开(公告)日:2022-02-01
申请号:CN202111304407.X
申请日:2021-11-05
申请人: 南京南数科技有限公司 , 南京南数数据运筹科学研究院有限公司 , 南京市儿童医院 , 北京师范大学 , 中国矿业大学 , 南京大学
摘要: 本发明公开了一种基于级联rcnn的肠神经节细胞辅助识别方法,该方法具体包括以下步骤:S1,采集肠组织切片并对其进行苏木精‑伊红染色,对染色后的图像数据进行预处理,将预处理后的数据作为训练数据集;S2,构建用于目标检测的深度卷积神经网络作为目标检测模型;S3,利用训练数据集对目标检测模型进行训练;S4,利用训练好的目标检测模型对肠组织的染色图像进行检测,识别图像中的肠神经节细胞。通过本发明可以实现快速准确地识别肠组织切片染色图像中的神经节细胞。
-
公开(公告)号:CN113902751A
公开(公告)日:2022-01-07
申请号:CN202111337902.0
申请日:2021-11-10
申请人: 南京大学 , 南京南数数据运筹科学研究院有限公司 , 南京南数科技有限公司 , 南京市儿童医院 , 中国矿业大学
IPC分类号: G06T7/10 , G06V10/764 , G06T7/00
摘要: 本发明公开了一种基于Swin‑Unet算法的肠神经元发育异常的病理识别方法,包括以下步骤,获取肠组织苏木素‑伊红染色切片H&E染色图像中粘膜下和肌间神经丛,并采集神经丛内的神经节细胞图像并对其进行预处理,作为训练数据集;对训练数据集进行数据增强;构建图像分割模型;利用训练数据集对图像分割模型进行训练;构建图像分类模型;对训练数据集再次进行预处理;利用训练数据集对图像分类模型进行训练;利用训练好的图像分割模型和图像分类模型对待检测图像进行分割和分类,实现对肠神经节发育状况的判定。通过本发明可以实现对肠组织切片染色图像中粘膜下和肌间神经丛内的神经节细胞准确、稳定的识别和分类,从而辅助后续的诊断。
-
公开(公告)号:CN113989800B
公开(公告)日:2022-04-12
申请号:CN202111631341.5
申请日:2021-12-29
申请人: 南京南数数据运筹科学研究院有限公司 , 南京南数科技有限公司 , 南京市儿童医院 , 南京大学
摘要: 本发明公开了一种基于改进渐进式残差网络的肠神经丛辅助识别方法,包括以下步骤:步骤1,采集数据并进行预处理,得到训练数据集;步骤2,基于改进的渐进式残差复原网络构建复原模型,并基于训练数据集和MSEloss对复原模型进行训练;步骤3,将原始待测图像输入训练后的复原模型,得到复原结果;步骤4,将复原结果与原始待测图像进行像素级差异比较,得到肠神经丛的位置;步骤5,采用分类模型,对正常与非正常的神经丛进行分类。通过本发明可以实现对神经丛准确、快速的识别,先对正常与非正常的神经丛进行分类,实现对正常与非正常形态的神经丛评估,识别为正常的神经丛后再进行后续神经节细胞的识别,从而大大提高识别效率和准确率。
-
公开(公告)号:CN113989800A
公开(公告)日:2022-01-28
申请号:CN202111631341.5
申请日:2021-12-29
申请人: 南京南数数据运筹科学研究院有限公司 , 南京南数科技有限公司 , 南京市儿童医院 , 南京大学
摘要: 本发明公开了一种基于改进渐进式残差网络的肠神经丛辅助识别方法,包括以下步骤:步骤1,采集数据并进行预处理,得到训练数据集;步骤2,基于改进的渐进式残差复原网络构建复原模型,并基于训练数据集和MSEloss对复原模型进行训练;步骤3,将原始待测图像输入训练后的复原模型,得到复原结果;步骤4,将复原结果与原始待测图像进行像素级差异比较,得到肠神经丛的位置;步骤5,采用分类模型,对正常与非正常的神经丛进行分类。通过本发明可以实现对神经丛准确、快速的识别,先对正常与非正常的神经丛进行分类,实现对正常与非正常形态的神经丛评估,识别为正常的神经丛后再进行后续神经节细胞的识别,从而大大提高识别效率和准确率。
-
公开(公告)号:CN113989264A
公开(公告)日:2022-01-28
申请号:CN202111331675.0
申请日:2021-11-11
申请人: 南京市儿童医院 , 南京南数数据运筹科学研究院有限公司 , 南京大学
IPC分类号: G06T7/00 , G06T7/136 , G06V20/69 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G16H30/20 , G16H70/60
摘要: 本发明公开了一种基于CE‑Net算法的肠道神经节细胞识别方法,包括以下步骤:S1,采集病理切片的图像数据,并通过预处理增加图像数据量,得到训练数据集;S2,构建肠神经节细胞识别模型;S3,结合训练数据集对肠神经节细胞识别模型进行训练;S4,肠神经节细胞识别模型推理端计算阈值;S5,通过训练后的肠神经节细胞识别模型对待测图片进行肠神经节细胞的识别。通过本发明能够实现对神经节细胞快速、准确的识别,减少人工识别的时间成本和错误率。
-
公开(公告)号:CN114091591A
公开(公告)日:2022-02-25
申请号:CN202111336740.9
申请日:2021-11-12
申请人: 南京市儿童医院 , 南京大学 , 南京南数数据运筹科学研究院有限公司
IPC分类号: G06K9/62 , G06N3/04 , G06N3/08 , G06T7/10 , G06V10/774 , G06V10/764
摘要: 本发明公开了一种基于知识蒸馏的肠神经节细胞术中快速识别方法,包括以下步骤,采集扩张段肠组织切片的苏木精‑伊红染色图像数据集并进行图像初步处理,作为训练数据集;构建用于图像分割的图像分割模型;利用训练数据集对图像分割网络进行训练;构建图像分类模型;对训练数据集再次进行预处理;利用再次预处理后的训练数据集对图像分类模型进行训练;使用训练后的图像分割模型和图像分类模型进行肠神经节细胞的识别,得到神经节细胞的发育情况以及功能的等级评估。通过本发明通过知识蒸馏缩小了模型,且模型能够在数量较少的样本基础上实现较好的训练效果,训练后的模型能够实现快速准确的识别效果。
-
-
-
-
-