公开(公告)号：CN112036298A

公开(公告)日：2020-12-04

申请号：CN202010889738.3

申请日：2020-08-28

Applicant: 复旦大学附属华山医院北院 ,  第牛(上海)健康科技有限公司

Inventor： 关明 ,  曾昭沛 ,  陈锟 ,  黄若凡 ,  徐天阳 ,  冯振华 ,  宋晓宁

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于双段区块卷积神经网络的细胞检测方法，包括，基于深度学习构建卷积神经网络模型；利用所述神经网络模型提取输入数据在高维非线性空间中的表征，输入双段区块网络；利用所述双段区块网络构建区域块提案网络，分类和筛选一段区块；基于所述一段区块分类和拟合学习所述双段区块网络的二段区块，并利用注意力机制调节；根据调节结果，利用高性能分类器输出所述高置信的细胞检测结果，完成检测。本发明高效地实现细胞检测并将之与日益发展的人工智能技术相结合，能够得到有效的识别和提高检测精度。

公开(公告)号：CN118506077A

公开(公告)日：2024-08-16

申请号：CN202410628000.X

申请日：2024-05-21

Applicant: 复旦大学附属华山医院 ,  第牛(上海)健康科技有限公司

Inventor： 陈锟 ,  李维嘉 ,  徐英 ,  张雷 ,  吕飞舟 ,  关明 ,  宋晓宁 ,  吴俊伟 ,  童彪 ,  曾昭沛

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/74 ,  G06N3/0895 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种半监督辅助的细胞病理图像多目标解耦对比学习方法及系统，涉及计算机视觉技术领域，方法包括：引入前后景解耦模块，将两个增强分支提取的特征拆分为前景特征和后景特征并计算对比损失；基于mixup引入混合图像解耦分支，使用同构的解耦模块对分属不同实例的全局特征进行解耦，并与两个增强分支的前景融合特征联合优化损失；提出少量语义标签指导的半监督训练增强策略来辅助解耦模块初期的训练和收敛，将所得表征模型应用到脑脊液细胞的分类检测中。本发明增强了编码器对实例特征的辨别能力，约束了语义无关样本对在特征空间中的误聚集；通过结合监督算法和自监督算法划分特征边界的优势，进一步提升了模型对实例特征的捕获能力。