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。

公开(公告)号：CN120088234A

公开(公告)日：2025-06-03

申请号：CN202510246979.9

申请日：2025-03-04

Applicant: 桂林电子科技大学

Inventor： 潘细朋 ,  宋世龙 ,  陈滔滔 ,  蓝如师 ,  还子涵 ,  刘振丙 ,  张华龙 ,  钱艺

IPC: G06T7/00 ,  G06T7/12 ,  G06T7/13 ,  G06V10/774 ,  G06V10/762 ,  G06V20/69 ,  G06N3/0895

Abstract: 本发明公开了一种基于部分点标签的弱监督细胞核检测与分割方法，包括：获取H&E染色图得到数据集，对数据集进行划分，生成部分点标签继而生成高斯掩膜扩展后的伪标签，分别进行第一阶段的粗略细胞核检测和第二阶段的细胞核检测的自监督训练获得最终的细胞核检测结果；基于染色分离技术生成H单分量图像作为分割网络的输入图像；基于点标签生成分割阶段的伪标签，通过分割阶段的伪标签进行分割训练；基于边缘检测策略生成细胞核图像边缘信息伪标签；基于边缘信息伪标签进行细胞核分割训练，获得训练后的分割网络的预测结果。本发明可实现仅使用弱监督级别的部分点标签实现H&E染色图像的细胞核的检测与分割。

公开(公告)号：CN117036811A

公开(公告)日：2023-11-10

申请号：CN202311020950.6

申请日：2023-08-14

Applicant: 桂林电子科技大学

Inventor： 潘细朋 ,  宋世龙 ,  冯拯云 ,  卞新军 ,  李灵巧 ,  刘振丙 ,  陆铖 ,  刘再毅

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06V10/25 ,  G06V10/26 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于双分支融合网络的病理图像智能分类系统及方法，包括：将病理图像进行图像预处理，获得病理图像的图数据结构和固定大小的病理图像；将所述病理图像的图数据结构和固定大小的病理图像进行特征提取，获得包含病理图像类别信息的图特征和包含病理图像类别信息的深度卷积特征；将所述包含病理图像类别信息的图特征和包含病理图像类别信息的深度卷积特征进行特征融合，获得病理图像的最终分类结果。模型主要针对乳腺癌病理图像分类进行设计，在BRACS上取得了目前最佳的分类性能67.03％。同时模型也在直肠癌CRA数据集上进行验证，同样取得了目前最佳的性能97.33％。

公开(公告)号：CN114973244A

公开(公告)日：2022-08-30

申请号：CN202210659966.0

申请日：2022-06-12

Applicant: 桂林电子科技大学

Inventor： 潘细朋 ,  卢英华 ,  刘振丙 ,  秦祖军 ,  蓝如师 ,  杨辉华 ,  汪华登 ,  李灵巧 ,  王子民 ,  程纪钧 ,  王志臻 ,  冯拯云 ,  宋世龙

IPC: G06V20/69 ,  G06V10/764 ,  G06V10/80 ,  G06T7/00

Abstract: 本发明公开了一种乳腺癌H&E染色病理图像有丝分裂自动识别系统和方法，属于数字图像处理技术技术领域，包括：输入图像预处理模块：对原始图片进行按照预定的patch尺寸切割，并通过图片翻转、旋转等方式进行数据增强；分割模块：通过在训练集中裁剪patches训练一个分割网络，将测试集数据按相应尺寸切割并送入分割网络，得到patch级的分割结果，然后将分割后结果按照其在预处理阶段截取的patch坐标信息来重建出属于原始尺寸的图像。该乳腺癌H&E染色病理图像有丝分裂自动识别系统和方法，对于准确地分割和分类乳腺癌有丝分裂的细胞，特别是样本细胞数量稀少，特征复杂的，具有重要意义。

公开(公告)号：CN114973244B

公开(公告)日：2023-04-11

申请号：CN202210659966.0

申请日：2022-06-12

Applicant: 桂林电子科技大学

Inventor： 潘细朋 ,  卢英华 ,  刘振丙 ,  秦祖军 ,  蓝如师 ,  杨辉华 ,  汪华登 ,  李灵巧 ,  王子民 ,  程纪钧 ,  王志臻 ,  冯拯云 ,  宋世龙

IPC: G06V20/69 ,  G06V10/764 ,  G06V10/80 ,  G06T7/00

Abstract: 本发明公开了一种乳腺癌H&E染色病理图像有丝分裂自动识别系统和方法，属于数字图像处理技术技术领域，包括：输入图像预处理模块：对原始图片进行按照预定的patch尺寸切割，并通过图片翻转、旋转等方式进行数据增强；分割模块：通过在训练集中裁剪patches训练一个分割网络，将测试集数据按相应尺寸切割并送入分割网络，得到patch级的分割结果，然后将分割后结果按照其在预处理阶段截取的patch坐标信息来重建出属于原始尺寸的图像。该乳腺癌H&E染色病理图像有丝分裂自动识别系统和方法，对于准确地分割和分类乳腺癌有丝分裂的细胞，特别是样本细胞数量稀少，特征复杂的，具有重要意义。