-
Patent Agency Ranking
公开(公告)号：CN118918586B
公开(公告)日：2025-01-17
申请号：CN202411411850.0
申请日：2024-10-11
Applicant: 华南理工大学
IPC: G06V20/69 , G16H30/20 , G06N3/0455 , G06N3/0464 , G06V10/26 , G06V10/44
Abstract: 本发明公开了一种乳腺癌HER2的免疫组化图像自动评分方法，首先对图像块集分别使用细胞核实例分割模型和肿瘤组织语义分割模型进行推理输出细胞核分割图和肿瘤区域分割图；然后提取肿瘤区域分割图中的肿瘤区域轮廓并计算凸包比与曲率特征；再通过高斯混合模型及朴素贝叶斯分类器分类得到浸润癌区域和原位癌区域；接着对细胞核分割图进行细胞膜分割得到细胞膜区域并对细胞染色程度进行分类，得到浸润癌区域内不同染色等级的肿瘤细胞；最后进行计数和比例统计并根据临床指南准则完成乳腺癌免疫组化图像的HER2评分。本发明减少人为误差，确保结果的一致性和可靠性，大幅缩短诊断时间，对临床决策提供即时的支持。
-
公开(公告)号：CN117952966B
公开(公告)日：2024-10-22
申请号：CN202410345919.8
申请日：2024-03-26
Applicant: 华南理工大学
IPC: G06T7/00 , G06N3/0895 , G06T7/11 , G06V10/774 , G06V10/80 , G06V10/82 , G16H30/20
Abstract: 本发明公开了一种基于Sinkhorn算法的多模态融合生存预测方法，首先获取癌症患者的病理组织图像及原始基因数据；然后切分patch块提取patch特征及基因特征；再将patch特征和基因特征转换为值特征、键特征及查询特征；基于Sinkhorn算法计算键特征和查询特征的Sinkhorn互注意力矩阵；对Sinkhorn互注意力矩阵进行交替列行归一化，并对值特征加权得到加权特征；最后将加权特征输入patch特征聚合模块，查询特征输入基因特征聚合模块进行特征聚合，拼接为一个特征向量输入全连接层中进行风险预测得到预测结果。本发明减少了计算量，在保证端到端学习的同时提高多模态融合生存预后预测的准确性。
-
公开(公告)号：CN117952966A
公开(公告)日：2024-04-30
申请号：CN202410345919.8
申请日：2024-03-26
Applicant: 华南理工大学
IPC: G06T7/00 , G06N3/0895 , G06T7/11 , G06V10/774 , G06V10/80 , G06V10/82 , G16H30/20
Abstract: 本发明公开了一种基于Sinkhorn算法的多模态融合生存预测方法，首先获取癌症患者的病理组织图像及原始基因数据；然后切分patch块提取patch特征及基因特征；再将patch特征和基因特征转换为值特征、键特征及查询特征；基于Sinkhorn算法计算键特征和查询特征的Sinkhorn互注意力矩阵；对Sinkhorn互注意力矩阵进行交替列行归一化，并对值特征加权得到加权特征；最后将加权特征输入patch特征聚合模块，查询特征输入基因特征聚合模块进行特征聚合，拼接为一个特征向量输入全连接层中进行风险预测得到预测结果。本发明减少了计算量，在保证端到端学习的同时提高多模态融合生存预后预测的准确性。
-
公开(公告)号：CN118521603A
公开(公告)日：2024-08-20
申请号：CN202410985326.8
申请日：2024-07-23
Applicant: 华南理工大学
IPC: G06T7/11 , G06N3/0455 , G06N3/082 , G06N3/09 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种结构引导的广义小样本细胞核分割方法及系统。首先获取带有准确实例标注的外部数据集并进行标签转换得到每一图像的类别标注、前景标注、边缘标注和质心标注；再基于预训练的初始分割网络构建广义小样本分割网络；然后使用外部数据集构建所用场景并对广义小样本分割网络进行元训练；接着将支持图像集中的每张支持图像作为查询图像对元训练后的广义小样本分割网络进行参数微调，得到广义小样本分割网络的最优网络参数；最后应用最优网络参数加载至广义小样本分割网络，对待检测图像进行分割得到细胞核分割掩膜。本发明通过引入引导机制，使得网络具备面对新类别时的快速适应能力，增强了网络在实际应用中的灵活性和适用性。
-
公开(公告)号：CN118918586A
公开(公告)日：2024-11-08
申请号：CN202411411850.0
申请日：2024-10-11
Applicant: 华南理工大学
IPC: G06V20/69 , G16H30/20 , G06N3/0455 , G06N3/0464 , G06V10/26 , G06V10/44
Abstract: 本发明公开了一种乳腺癌HER2的免疫组化图像自动评分方法，首先对图像块集分别使用细胞核实例分割模型和肿瘤组织语义分割模型进行推理输出细胞核分割图和肿瘤区域分割图；然后提取肿瘤区域分割图中的肿瘤区域轮廓并计算凸包比与曲率特征；再通过高斯混合模型及朴素贝叶斯分类器分类得到浸润癌区域和原位癌区域；接着对细胞核分割图进行细胞膜分割得到细胞膜区域并对细胞染色程度进行分类，得到浸润癌区域内不同染色等级的肿瘤细胞；最后进行计数和比例统计并根据临床指南准则完成乳腺癌免疫组化图像的HER2评分。本发明减少人为误差，确保结果的一致性和可靠性，大幅缩短诊断时间，对临床决策提供即时的支持。
-
-
-
-
Search Results
5
records
(took 0.024 seconds)
