-
公开(公告)号：CN112669288B
公开(公告)日：2023-02-24
申请号：CN202011606836.8
申请日：2020-12-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于医学图像处理领域，具体涉及了一种基于数字病理图像的细胞靶点表达预测方法、系统及装置，旨在解决现有细胞靶点表达观测分析方法成本高昂、周期长以及需要专家进行人工判读，因而效率低、客观性较弱的问题。本发明包括：获取H&E染色数字扫描图像，并通过滑窗裁剪成设定大小的H&E图像切片；进行色域归一化以及图像对比度增强的预处理，获得预处理H&E图像切片；通过细胞靶点表达预测模型获取不同细胞荧光表达的概率分布图；对于任一像素点，以其对应于概率分布图的概率最大的类别作为预测类别。本发明预测效率高、客观性强、预测结果准确率和精度高。
-
公开(公告)号：CN113409888A
公开(公告)日：2021-09-17
申请号：CN202110687923.9
申请日：2021-06-21
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于医学图像领域，具体涉及了一种肿瘤微环境及肿瘤基因突变检测方法、系统及设备。本发明系统包括图像扫描装置和上位机，上位机包括数据处理模块、肿瘤微环境检测模块和肿瘤基因突变检测模块，图像扫描装置拍摄离体肿瘤样本的全景扫描图像；对全景扫描图像进行预处理得到第一训练图集；将第一训练图集输入至预构建的生物标志物分布预测训练模型中进行迭代训练，得到生物标志物分布预测图集；肿瘤基因突变检测模块根据生物标志物分布预测图集确定第二训练图集；将第二训练图集输入到基因突变检测模型进行基因突变检测。本发明降低了实验成本，缩短了实验周期，并且降低了判读结果的主观性。
-
公开(公告)号：CN112669288A
公开(公告)日：2021-04-16
申请号：CN202011606836.8
申请日：2020-12-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于医学图像处理领域，具体涉及了一种基于数字病理图像的细胞靶点表达预测方法、系统及装置，旨在解决现有细胞靶点表达观测分析方法成本高昂、周期长以及需要专家进行人工判读，因而效率低、客观性较弱的问题。本发明包括：获取H&E染色数字扫描图像，并通过滑窗裁剪成设定大小的H&E图像切片；进行色域归一化以及图像对比度增强的预处理，获得预处理H&E图像切片；通过细胞靶点表达预测模型获取不同细胞荧光表达的概率分布图；对于任一像素点，以其对应于概率分布图的概率最大的类别作为预测类别。本发明预测效率高、客观性强、预测结果准确率和精度高。
-
公开(公告)号：CN111508076A
公开(公告)日：2020-08-07
申请号：CN202010301564.4
申请日：2020-04-16
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于光学分子影像技术领域，具体涉及一种基于自适应参数搜索的弹性网络激发荧光断层重建系统、方法、装置，旨在解决单个正则化约束求解肿瘤分布易导致区域过稀疏、过平滑、空间不连续等问题。本系统包括：数据获取模块，配置为获取生物CT三维组织结构数据及其体表激发荧光图像数据；数据分割及离散化模块，配置为对组织结构数据进行器官分割、有限元离散化；数据融合模块，配置为获得生物体表激发荧光光强分布信息；模型建立模块，配置为构建线性数学模型；目标函数生成模块，配置为生成目标函数；搜索迭代及输出模块，配置为计算目标函数的有效解，获得探针的汇聚分布情况并输出。本发明解决了单个正则化约束求解肿瘤分布导致的问题。
-
公开(公告)号：CN113409466B
公开(公告)日：2023-08-25
申请号：CN202110763557.0
申请日：2021-07-06
Applicant: 中国科学院自动化研究所
IPC: G06T17/20 , G06T7/33 , G06N3/042 , G06N3/0464 , G06N3/082 , G06V10/774
Abstract: 本发明属于生物医学分子影像领域，具体涉及一种基于GCN残差连接网络的激发荧光断层成像方法、系统、设备，旨在解决传统基于光子传播模型进行FMT重建时出现的模型精度下降，重建精度下降，重建速度慢的问题。本方法包括对分割后的生物体的CT影像数据网格化，并进行图结构建模；对体内光源在生物体体内的光子传播过程进行仿真，得到生物体表面和内部的荧光分布，作为光源样本并扩充；构建第一节点集合；将扩充后的光源样本、第一节点集合中的各节点输入深度学习网络模型，对模型进行训练；利用训练好的深度学习网络模型对生物体进行激发荧光断层重建。本发明实现了高重建质量、高重建速度的激发荧光断层成像。
-
Patent Agency Ranking
公开(公告)号：CN109191564B
公开(公告)日：2020-09-04
申请号：CN201810852675.7
申请日：2018-07-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于深度学习的激发荧光断层成像三维重建方法，该方法包括如下步骤：S1、生成训练样本；S2、设置深度学习模型，构建深度学习模型包括图片信息编码阶段、图片信息融合阶段和三维重建阶段；以及S3、对深度学习模型进行训练，将生物体的数据输入训练后的深度学习模型，获得生物体的三维重建图像。本发明以统计学习为基础，训练得到光子传播的前向以及逆向过程，提高了生物激发荧光计算机断层扫描三维重建的精度以及速度。
-
公开(公告)号：CN104181142A
公开(公告)日：2014-12-03
申请号：CN201410482618.6
申请日：2014-09-19
Applicant: 中国科学院自动化研究所
CPC classification number: G01N21/64
Abstract: 本发明涉及一种分子影像成像验证系统和方法。系统包括图像采集部分与图像处理部分：图像采集部分包括：冰冻切片机的柜体与采集装置支架相连接，采集装置支架与相机滑动装置相连接，相机滑动装置与相机支架连接，相机支架与相机连接；相机的转接口与相机镜头的转接口相连接，相机镜头的进光口与发射滤光片支架相连接，发射滤光片内嵌于发射滤光片支架的卡槽中；激发光源出口连接光纤的一端，光纤的另一端指向被观测物体；图像处理部分包括图像处理系统。本发明能够完成待检测物体的横截面切片测量，完成白光图像采集、荧光图像采集及与白光图像叠加、荧光图像自动分割、分割区域光子数统计、荧光区域几何信息测量，简化了操作步骤和操作流程。
-
公开(公告)号：CN113409466A
公开(公告)日：2021-09-17
申请号：CN202110763557.0
申请日：2021-07-06
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于生物医学分子影像领域，具体涉及一种基于GCN残差连接网络的激发荧光断层成像方法、系统、设备，旨在解决传统基于光子传播模型进行FMT重建时出现的模型精度下降，重建精度下降，重建速度慢的问题。本方法包括对分割后的生物体的CT影像数据网格化，并进行图结构建模；对体内光源在生物体体内的光子传播过程进行仿真，得到生物体表面和内部的荧光分布，作为光源样本并扩充；构建第一节点集合；将扩充后的光源样本、第一节点集合中的各节点输入深度学习网络模型，对模型进行训练；利用训练好的深度学习网络模型对生物体进行激发荧光断层重建。本发明实现了高重建质量、高重建速度的激发荧光断层成像。
-
公开(公告)号：CN109191564A
公开(公告)日：2019-01-11
申请号：CN201810852675.7
申请日：2018-07-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于深度学习的激发荧光断层成像三维重建方法，该方法包括如下步骤：S1、生成训练样本；S2、设置深度学习模型，构建深度学习模型包括图片信息编码阶段、图片信息融合阶段和三维重建阶段；以及S3、对深度学习模型进行训练，将生物体的数据输入训练后的深度学习模型，获得生物体的三维重建图像。本发明以统计学习为基础，训练得到光子传播的前向以及逆向过程，提高了生物激发荧光计算机断层扫描三维重建的精度以及速度。
-
公开(公告)号：CN114821057A
公开(公告)日：2022-07-29
申请号：CN202210460043.2
申请日：2022-04-24
Applicant: 中国科学院自动化研究所
IPC: G06V10/26 , G06V10/762 , G06K9/62
Abstract: 本发明属于MPI图像分割领域，具体涉及了一种基于局部最大值点阈值膨胀的MPI图像分割方法、系统及设备，旨在解决的问题。本发明包括：基于阈值分割方法，区分待分割MPI图像的前景信号和背景信号；通过K‑means聚类方法对所述前景MPI图像信号聚类，获得不同类别的聚类中；选择各聚类中心设定区域的邻域像素，并获取各聚类的局部最大信号强度点所在位置；分别基于各聚类的局部最大信号强度点所在位置，结合各位置对应的信号强度，进行阈值膨胀操作，获得各聚类的膨胀区域；合并各聚类的膨胀区域，获得待分割MPI图像的分割结果。本发明基于局部最大值点的阈值膨胀MPI图像分割方法，实现了鲁棒且准确的MPI图像分割，降低MPI图像分割所存在的选择性偏差的影响。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.049 seconds)
