-
公开(公告)号：CN117670895B
公开(公告)日：2024-04-19
申请号：CN202410137259.4
申请日：2024-02-01
Applicant: 华南理工大学
Abstract: 本发明公开一种基于切片重染色技术的免疫组化病理图像细胞分割方法，包括：使用外部数据集对细胞分割模型进行预训练并微调分割大模型；搜集IHC图像进行免疫反应物洗脱和HE重染色，进行图像配准技术并切块得到IHC‑HE图像块对数据集；对HE图像块进行细胞分割同时利用微调好的分割大模型对分割结果进行后处理获取其的精准分割结果；对IHC图像块进行细胞分割并使用HE图像块的精准分割结果更新其的细胞分割伪标签；利用细胞分割伪标签对IHC图像块进行监督训练得到IHC图像块的分割结果，进行免疫反应判别获得IHC图像块的最终分割结果。本发明解决了标注成本高和分割精度差等问题，实现对各种IHC图像的精准分割。
-
公开(公告)号：CN114972341B
公开(公告)日：2022-12-16
申请号：CN202210895166.9
申请日：2022-07-28
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于贝叶斯辅助学习的WSI图像分类方法、系统及介质，方法为：获取WSI图像并进行阈值分割，得到病理图像块集；基于贝叶斯决策理论构建WSI分类模型，所述WSI分类模型包括图像块特征提取器、图像块分类器和特征融合及分类模块；初始化WSI分类模型，在病理图像块集上使用EM法迭代训练WSI分类模型，得到训练好的WSI分类模型；将待诊断WSI图像输入训练好的WSI分类模型，输出待诊断WSI图像的类别标签。本发明基于贝叶斯决策理论构建WSI分类模型，通过引入图像块分类器进行辅助学习任务，充分提取WSI图像中的信息，同时使用EM法在迭代训练过程中进行动态学习，提高WSI分类性能及模型鲁棒性。
-
公开(公告)号：CN114783604A
公开(公告)日：2022-07-22
申请号：CN202210420290.X
申请日：2022-04-21
Applicant: 华南理工大学
Abstract: 本发明公开了一种乳腺癌前哨淋巴结转移的预测方法、系统及存储介质，方法为：获取带标签的WSI作为训练数据集，进行预处理得到图像块集；构建WSI分类模型；使用图像块集对特征提取器进行预训练，获得特征向量集；将特征向量集输入原型聚类模块中，通过聚类提取多个原型；对乳腺癌前哨淋巴结WSI划分图像块后输入特征提取器中提取图像块特征；将图像块特征和原型输入特征融合模块进行匹配，生成软分配直方图，构造乳腺癌前哨淋巴结WSI的特征向量；将乳腺癌前哨淋巴结WSI的特征向量送入全连接层获取WSI分类分数并进行转移判断。本方法在保持对宏转移精确识别的同时，能够更好的解决微转移识别的问题，从而对乳腺癌前哨淋巴结转移进行精确地诊断。
-
Patent Agency Ranking
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：CN117333485B
公开(公告)日：2024-04-05
申请号：CN202311619000.5
申请日：2023-11-30
Applicant: 华南理工大学
IPC: G06T7/00 , G16H30/20 , G06N3/0895 , G06T7/11 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于弱监督深度序数回归网络的WSI生存预测方法，方法为：构建观察数据集；构建并训练CADOR‑Cox网络，步骤为：对癌症患者WSI进行预处理切分成图像块；使用特征提取器进行特征提取得到图像块的特征向量；输入特征融合模块中进行特征融合获取癌症患者WSI的特征向量；将癌症患者WSI的特征向量分别输入Cox回归头和CADOR回归头中构建损失函数；以多任务学习方式进行迭代训练，优化损失函数并通过反向传播更新网络参数得到训练好的CADOR‑Cox网络；将待分析癌症患者的观察数据集输入网络中进行生存预测获取预测结果。本发明能够利用完整的标注信息进行生存分析预测，性能良好且预测结果准确。
-
公开(公告)号：CN117670895A
公开(公告)日：2024-03-08
申请号：CN202410137259.4
申请日：2024-02-01
Applicant: 华南理工大学
Abstract: 本发明公开一种基于切片重染色技术的免疫组化病理图像细胞分割方法，包括：使用外部数据集对细胞分割模型进行预训练并微调分割大模型；搜集IHC图像进行免疫反应物洗脱和HE重染色，进行图像配准技术并切块得到IHC‑HE图像块对数据集；对HE图像块进行细胞分割同时利用微调好的分割大模型对分割结果进行后处理获取其的精准分割结果；对IHC图像块进行细胞分割并使用HE图像块的精准分割结果更新其的细胞分割伪标签；利用细胞分割伪标签对IHC图像块进行监督训练得到IHC图像块的分割结果，进行免疫反应判别获得IHC图像块的最终分割结果。本发明解决了标注成本高和分割精度差等问题，实现对各种IHC图像的精准分割。
-
公开(公告)号：CN117333485A
公开(公告)日：2024-01-02
申请号：CN202311619000.5
申请日：2023-11-30
Applicant: 华南理工大学
IPC: G06T7/00 , G16H30/20 , G06N3/0895 , G06T7/11 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于弱监督深度序数回归网络的WSI生存预测方法，方法为：构建观察数据集；构建并训练CADOR‑Cox网络，步骤为：对癌症患者WSI进行预处理切分成图像块；使用特征提取器进行特征提取得到图像块的特征向量；输入特征融合模块中进行特征融合获取癌症患者WSI的特征向量；将癌症患者WSI的特征向量分别输入Cox回归头和CADOR回归头中构建损失函数；以多任务学习方式进行迭代训练，优化损失函数并通过反向传播更新网络参数得到训练好的CADOR‑Cox网络；将待分析癌症患者的观察数据集输入网络中进行生存预测获取预测结果。本发明能够利用完整的标注信息进行生存分析预测，性能良好且预测结果准确。
-
公开(公告)号：CN114972341A
公开(公告)日：2022-08-30
申请号：CN202210895166.9
申请日：2022-07-28
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于贝叶斯辅助学习的WSI图像分类方法、系统及介质，方法为：获取WSI图像并进行阈值分割，得到病理图像块集；基于贝叶斯决策理论构建WSI分类模型，所述WSI分类模型包括图像块特征提取器、图像块分类器和特征融合及分类模块；初始化WSI分类模型，在病理图像块集上使用EM法迭代训练WSI分类模型，得到训练好的WSI分类模型；将待诊断WSI图像输入训练好的WSI分类模型，输出待诊断WSI图像的类别标签。本发明基于贝叶斯决策理论构建WSI分类模型，通过引入图像块分类器进行辅助学习任务，充分提取WSI图像中的信息，同时使用EM法在迭代训练过程中进行动态学习，提高WSI分类性能及模型鲁棒性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
