-
公开(公告)号：CN118115808A
公开(公告)日：2024-05-31
申请号：CN202410292957.1
申请日：2024-03-14
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州市中心血站
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本发明提供一种血浆分类检测方法、电子设备及存储介质，该方法包括步骤：血浆图像经预处理后，输入至深度学习网络的骨干网络区域，从血浆图像中提取特征信息；在获得骨干网络区域的权重后，在颈部区域通过异构重组连接信息融合法整合并优化来自骨干网络区域的信息；在颈部区域中进行异构信息融后，通过颈部区域中改进的连续重参数化卷积模块进行本区域的特征提取；将颈部区域提取的特征输入至深度学习网络的头部检测区域并形成闭环监督学习任务。本发明通过改进的YOLOv5深度学习网络能够针对不同品质的血浆进行高效品质检测，显著降低了误差率，确保了检测结果的准确性和可靠性，为提高血浆分类检测的自动化程度和标准化提供了有力支持。
-
公开(公告)号：CN119599931A
公开(公告)日：2025-03-11
申请号：CN202410292959.0
申请日：2024-03-14
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州市中心血站
IPC: G06T7/00 , G01N21/84 , G01N33/49 , G06T7/11 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明提供一种血浆品质检测方法、电子设备及存储介质，该方法包括步骤：血浆数据集经图像裁剪依次进入以卷积神经网络和全维度动态卷积C3模块交替运行的主干网络区域特征提取结构，对样本进行多元信息特征提取；将提取的多元信息特征在YOLOv5网络的颈部区域进行多维度多元信息融合、上采样与C3‑ODConv运算；将获得的多维向量输入至头部检测区域，完成血浆数据集监督训练任务。本发明通过改进型YOLOv5深度学习网络对正常、溶血和脂肪血浆进行品质检测，能够避免人工肉眼分类造成的误差，提高了血浆品质自动化检测的准确性和一致性，为体外诊断医疗器械提供技术支持。
-
公开(公告)号：CN118365799A
公开(公告)日：2024-07-19
申请号：CN202410556269.1
申请日：2024-05-07
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06T17/00 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/094
Abstract: 本发明提供基于全维动态卷积的共聚焦光学图像重建方法、设备及介质，经改进的GAN深度学习网络，能够有效共聚焦成像像素错位的问题。与传统GAN网络算法相比，本发明所提算法具有更广阔的感受野和动态特征信息，能够确保共聚焦图像重建与矫正的准确性和可靠性。此外，传统图像处理算法过于依靠人工参数调整，这种方法并没有广泛的普适性，会导致因光学器件敏感度变化而没做出相应改变，本发明通过采用同聚焦光学成像与深度学习技术相结合，能够很大程度上克服这些困难，为提高共聚焦成像质量提供有力支持。此外，本发明还为体外诊断医疗器械领域的技术发展做出了重要贡献，有助于推动相关行业的进步。
-
公开(公告)号：CN117079057A
公开(公告)日：2023-11-17
申请号：CN202311243999.8
申请日：2023-09-25
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州市中心血站
IPC: G06V10/764 , G06V10/56 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及基于机器学习的血浆溶血判别方法、电子设备及存储介质，该方法包括以下步骤：将血浆原始图像输入至改进U型语义分割网络结构，得到语义分割图像；将语义分割图像由RGB颜色空间映射至HSV颜色空间；通过区域差异计算HSV颜色空间的通道阈值范围，将所获得的HSV颜色空间阈值锁定，得到血浆变色油墨HSV空间；依据图像饱和度计算出标准方差，实现血浆定性判别。本发明量化了检测标准，避免了人工检测时由于个体差异对血浆袋颜色产生不同判断；本发明在通过颜色判别血浆溶血的迅速高效基础上，提升了判别结果的准确性和一致性，为自动化判别血浆溶血提供了技术支撑。
-
-
-
Search Results
4
records
(took 0.031 seconds)
