一种染色体中期分裂相图像排序方法

    公开(公告)号:CN119478932A

    公开(公告)日:2025-02-18

    申请号:CN202311014211.6

    申请日:2023-08-11

    Abstract: 本发明公开了一种染色体中期分裂相图像排序方法,属于图像处理领域,通过对染色体中期分裂相图像中交叉、粘连的染色体进行分割;对分割后的染色体图像进行多个特征的提取;设置各个特征的合理区间,当每一图像的各个特征均处在对应的区间内,置入集合S1,当每一图像的某一特征不在区间内,置入集合S2,集合S1内的图像按照连通域数目从大到小的顺序排列,集合S2的图像按照染色体数量从多到少的顺序排列,将集合S2中所有图像的序号加上集合S1的长度,然后合并两个集合,完成整体的排序,通过上述方法,能够自动筛选出符合核型分析所需的图像,无需人工操作;本申请的排序方法处理速度快,有效降低核型分析所需的时间,提高效率。

    基于深度学习的血管内超声图像弹性重建方法及设备、介质

    公开(公告)号:CN118396872A

    公开(公告)日:2024-07-26

    申请号:CN202410640490.5

    申请日:2024-05-22

    Abstract: 本发明提供基于深度学习的血管内超声图像弹性重建方法及设备、介质,通过有限元模拟血管建立数据集;将初始弹性模量分布作为神经网络模型的输入,得到预测位移场;通过预测位移场和实际测得位移场计算损失函数,以优化模型参数;计算实际位移场与预测位移场差异的目标函数;若目标函数不收敛,则进行弹性模量分布迭代,直至目标函数收敛,获得最新的弹性模量分布。本发明使用深度学习模型替代有限元方法实现动脉血管弹性模量重建,得到更快的重建速度与更准确的弹性模量计算结果,能为反演实时性提供保证;采用深度学习方法,由于输入信息带有噪声,故训练好的模型进行的是带有噪声数据的输入到输出的学习,因此该方法能自动学习对于噪声的处理。

    一种基于超表面调控光场的显微成像系统以及方法

    公开(公告)号:CN117930487A

    公开(公告)日:2024-04-26

    申请号:CN202410189389.2

    申请日:2024-02-20

    Abstract: 本发明公开了一种基于超表面调控光场的显微成像系统以及方法,属于显微成像领域,光源模块产生的光经过超表面相位调制器进行相位调控,经过相位调控的光经过傅里叶透镜后衍射为各级次衍射光斑,超表面偏振调制器选通预设的级次衍射光斑,光线经过二向色镜反射聚焦在显微物镜后焦面,经过显微物镜后平行出射,多束光线互相干涉形成结构光照亮载物台上的样品,样品发射出来的荧光经过被相机收集形成荧光图像,由干涉产生的近红外结构化光场使样品所激发的荧光包含了在衍射受限图像中观察不到的样本的精细结构信息,让原本位于传递函数之外的高频信息也能够被物镜和相机捕捉到,拓展了光学系统的频谱信息,因此时间分辨率高,系统整体结构简单。

    冠状动脉血管狭窄自动检测和识别方法、设备及存储介质

    公开(公告)号:CN117115129A

    公开(公告)日:2023-11-24

    申请号:CN202311167206.9

    申请日:2023-09-11

    Abstract: 本发明涉及冠状动脉血管狭窄自动检测和识别方法、设备及存储介质,该方法包括以下步骤:通过冠脉血管自动分割模型对冠脉造影图像中的血管结构进行分割,输出血管轮廓;对所述血管轮廓进行骨架中心线提取,对骨架中心线进行分段;通过分段后的每段血管轮廓线和骨架中心线每个点的坐标计算骨架中心线上所有点直径;根据血管直径获取血管狭窄区域,计算血管狭窄区域的狭窄率,通过所述狭窄率进行狭窄程度判别。本发明根据图像中分割血管直径参数,定位血管狭窄发生的位置,提供快速、可靠的冠脉血管狭窄自动识别和狭窄程度评估方案,辅助医生进行快速精准的血管狭窄程度判断。

    一种染色体中期分裂相图像的合成方法

    公开(公告)号:CN119515663A

    公开(公告)日:2025-02-25

    申请号:CN202311013676.X

    申请日:2023-08-11

    Abstract: 本发明公开了一种染色体中期分裂相图像的合成方法,属于图像处理领域,通过从已经完成核型分析的染色体中期分裂相图像中提取单独染色体,将染色体中期分裂相图像转化为二值图,根据二值图中噪音位置,在中期分裂相图像中提取噪音图像;将染色体库中的单独染色体拼接成交叉染色体,将染色体库中的单独染色体拼接成粘连染色体,将单独染色体、交叉染色体、粘连染色体以及噪音库中的噪音置入同一图像中,完成中期分裂相图像的合成,在短时间内生成大量染色体位置、轮廓、类别已知的中期分裂相合成图像,以用于分割与分类方法的训练,该方法速度快、效果逼真,并且可根据实际情况的需要随意调整染色体的分布方式,因而避免了繁复的人工标注工作。

Patent Agency Ranking