-
公开(公告)号：CN113990521A
公开(公告)日：2022-01-28
申请号：CN202111231382.5
申请日：2021-10-22
IPC: G16H70/60 , G16H50/70 , G16H30/40 , G06N3/08 , G06N3/04 , G06V10/766 , G06V10/82 , G06V10/774 , G06V10/44 , G06K9/62
Abstract: 本发明涉及一种IgA肾病病理分析、预后预测及病理指标挖掘系统，包括：扫描标注模块，用于对病理切片图像进行扫描和标注；图像预处理模块，用于对经过扫描和标注后的病理切片进行预处理，并将经过预处理的图像分为训练集和验证集；模型训练模块，用于将训练集中的图像输入初始模型，对初始模型进行训练获得最优模型；验证模块，用于将验证集中的图像输入最优模型，并对其进行验证；分析模块，用于对最优模型的输出结果进行分析，获得每个病例病变特征和程度的指标量化值。其在输入图像后可迅速得出多项病理指标的分析结果，分析效率远高于人工评估，且评估结果不受主观因素影响，结果稳定性也远高于人工评估结果。
-
公开(公告)号：CN113393454A
公开(公告)日：2021-09-14
申请号：CN202110753406.7
申请日：2021-07-02
Abstract: 本发明提供一种活检组织中病理目标实例分割方法与装置，所述方法包括以下步骤：在数据收集阶段，对同一组织上相邻的多个切片使用多种不同染色方法进行染色获得多个染色图像，并对获得的染色图像进行标注，获取不同染色对应的多种染色全切片图像放入数据集中；基于训练数据对Cascade Mask R‑CNN模型进行训练，其中，Cascade Mask R‑CNN模型的输出结构的维度与染色全切片图像的病理目标种类一致；将数据集中多种染色的切片图像作为训练后的Cascade Mask R‑CNN模型的输入，得到初始的实例分割输出结果，初始的实例分割输出结果包括病理目标检测结果、分类结果和分割结果；利用非极大值抑制算法抑制分类结果中的所有分类对应的实例分割输出结果，得到病理目标最终的实例分割输出结果。
-
公开(公告)号：CN109859218B
公开(公告)日：2020-12-04
申请号：CN201910138631.2
申请日：2019-02-25
Abstract: 本发明实施例提供了一种病理图关键区域确定方法、装置、电子设备及存储介质，其中方法包括：获取待处理病理图；将所述待处理病理图分割为多个待处理病理子图；将各所述待处理病理子图输入到预先确定的分类器中进行分析，确定各所述待处理病理子图中包含目标信息的目标待处理病理子图，以及所述目标待处理病理子图的目标特征；针对各所述目标待处理病理子图，将该目标待处理病理子图的目标特征输入到预先确定的分割模型中，得到划分出目标信息区域的该目标待处理病理子图对应的目标图片；组合各所述目标图片，得到针对于所述待处理病理图的病理图关键区域。本发明实现了减少病理图中目标信息的丢失，得到所有目标信息的病理图关键区域。
-
公开(公告)号：CN111858999A
公开(公告)日：2020-10-30
申请号：CN202010586972.9
申请日：2020-06-24
Applicant: 北京邮电大学
IPC: G06F16/583 , G06F16/538 , G06F16/55 , G06K9/62 , G06N3/04
Abstract: 本发明实施例提供了一种基于分段困难样本生成的检索方法及装置，其中，方法包括：使用原始三元图像组的样本集中的所有样本，通过对原始三元图像组的样本集中每一组原始三元图像组增加困难程度；并且在THSG的第一阶段中，增加正样本对的困难程度，得到困难正样本对的同时，保证困难正样本对的标签与原始正样本对的标签一致，以及在第二阶段增加原始负样本的困难程度，得到最终困难负样本和最终困难正样本对，提高样本集的有效使用性。进一步的，使用最终困难三元样本组，能够为较少的训练集补充有效的困难样本，从而使得模型能够更好的被训练。同时，通过使用困难样本对训练，得到更加强健、鲁棒的特征提取的检索模型。
-
公开(公告)号：CN115830064A
公开(公告)日：2023-03-21
申请号：CN202211301405.X
申请日：2022-10-24
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于红外脉冲信号的弱小目标跟踪方法及装置，所述方法包括：将获得的脉冲时间序列重构为图像序列，通过红外弱小目标检测获得各帧图像上目标点的位置，采用时间滤波器和方向性滤波器确定各目标点的初步运动轨迹，通过计算余弦相似度排除各目标点运动轨迹中的异常点得到各目标点的精确运动轨迹，将各目标点在每帧图像上的位置进行关联，得到红外多弱小目标跟踪视频。本发明能够在复杂的运动情况下对缺少语义信息的红外弱小目标进行连续跟踪，同时能够对未检测出的目标点进行二次检测。
-
Patent Agency Ranking
公开(公告)号：CN112560957A
公开(公告)日：2021-03-26
申请号：CN202011496525.0
申请日：2020-12-17
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种神经网络训练、检测方法、装置及设备，该方法包括：获取待处理全切片数字图像及其对应的标签；分割待处理全切片数字图像，得到多张分割图像；通过神经网络的特征提取层和全连接层得到示例特征图以及多张分割图像对应的权重；将权重与示例特征图相乘后，输入至分类器，得到分类结果；基于分类结果与标签的对比结果，判断神经网络是否收敛；若否，则调整神经网络的参数，直至神经网络收敛，得到训练完成的神经网络模型。可见，本方案中，只需获取整张WSI的标签，并通过全连接层计算得到由WSI分割出的多张分割图像的权重，引导神经网络的训练，不需要在训练的过程中对分割得到的多张分割图像进行标注，减少了人力耗费。
-
公开(公告)号：CN109685798B
公开(公告)日：2021-02-23
申请号：CN201811603409.7
申请日：2018-12-26
Applicant: 北京邮电大学
Abstract: 本发明实施例提供的一种确定有效医学图像的方法及装置，方法包括：通过将从所述用户终端接收的医学图像按照目标模板大小进行切分，获得两个以上切分后的块图像；在所述切分后的块图像中选择清晰度超过清晰度阈值的图像作为第一目标图像；确定所述第一目标图像的细胞区域大小，将细胞区域大小超过阈值的第一目标图像确定为有效医学图像。相比于现有技术，本发明实施例通过确定清晰度超过清晰度阈值且细胞区域大小超过阈值的医学图像为有效医疗图像，减少了医生从众多的医学图像中确定清晰可辨的医学图像的时间，因此可以提升医生获取医疗信息的效率。
-
公开(公告)号：CN109635939B
公开(公告)日：2020-12-18
申请号：CN201910013045.5
申请日：2019-01-07
Applicant: 北京邮电大学
IPC: G06N3/04
Abstract: 本发明实施例提供的一种基于裁剪的卷积神经网络的确定方法及装置，方法包括：针对样本集中的一个样本，将该样本输入预设的卷积神经网络，通过卷积神经网络的卷积层的各个通道输出的该样本特征图的矩阵；针对卷积层的一个通道输出的样本的特征图的矩阵，将该矩阵进行压缩成数字，利用Sigmoid函数，确定卷积神经网络的卷积层各个通道的激励因子，然后确定卷积神经网络的卷积层各个通道的权重；针对预设卷积神经网络的一个卷积层，在该卷积层中选择通道的权重低于权重阈值的通道进行裁剪，将裁剪后的卷积神经网络作为已训练卷积神经网络，降低了卷积神经网络内部结构的复杂度，减少用于识别待识别病理图像的标签类别的时间。
-
公开(公告)号：CN108540961B
公开(公告)日：2020-09-04
申请号：CN201810398719.3
申请日：2018-04-28
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于V2X的应急通信系统及方法。所述系统包括：用户终端，用于在获得用户发出的针对于应急中心的应急消息后，从用户终端对应的可通信的至少一个辅助设备中选择一个辅助设备，并向所选择的辅助设备发送应急消息；接收到应急消息的辅助设备，用于在接收到应急消息后，判断自身是否能够与一运营商基站相通信，如果是，将应急消息传输至能够相通信的运营商基站；否则从自身对应的可通信的至少一个辅助设备中选择一个辅助设备，并向所选择的辅助设备发送应急消息；接收到应急消息的运营商基站，用于将应急消息传输至具有第一网络标识的应急中心的终端；应急中心的终端用于在接收到应急消息后，执行与应急消息对应的应急操作。
-
公开(公告)号：CN108647732B
公开(公告)日：2020-07-31
申请号：CN201810456914.7
申请日：2018-05-14
Applicant: 北京邮电大学
IPC: G06K9/62
Abstract: 本发明实施例提供了一种基于深度神经网络的病理图像分类方法，该方法包括：获取待测图像；对待测图像进行处理获得全局待测图像及局部待测图像；针对每个混合双模型对全局待测图像及局部待测图像进行预测得到全局预测结果概率向量及局部预测结果概率向量；对上述预测得到的概率向量进行预设处理得到最终局部预测结果概率向量及最终全局预测结果概率向量；按照预设权重，对上述处理得到的概率向量进行融合计算；将多个融合后的向量相加得到预测向量；根据预测向量及预设规则确定待测图像的图像类别。与现有技术相比，本发明实施例能够在样本图像中提取更多有效的图像特征，使神经网络的学习更充分，进而提高训练好的网络模型对图像分类的准确率。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.024 seconds)
