-
公开(公告)号：CN114240958B
公开(公告)日：2024-04-05
申请号：CN202111594975.8
申请日：2021-12-23
申请人： 西安交通大学
IPC分类号： G06T7/10 , G06N3/0464 , G06N3/08
摘要： 一种应用于病理学组织分割的对比学习方法，包括进行图像级对比学习任务；进行超像素级对比学习任务；进行像素级对比学习任务；三个层次的对比学习步骤，为病理学组织分割学习提供具有空间敏感性和平滑度的稳健密集表示，使得模型来学习病理组织分割图像从全局到局部对比的判别性表示，进而模型能够清晰地学习到细胞和细胞外基质的特征，有效提升了组织分割的精度。作为医学辅助工具，能显著提高病理学家的判别质量和工作效率。
-
公开(公告)号：CN113269724A
公开(公告)日：2021-08-17
申请号：CN202110467023.3
申请日：2021-04-28
申请人： 西安交通大学
摘要： 本发明公开了一种细粒度癌症亚型分类方法，包括步骤：步骤一：获取病理图片中的细胞核分割与分类结果；步骤二：根据细胞核分割与分类预测结果来提取实例patch；步骤三：实例patch卷积特征提取；步骤四：将所用实例patch通过Transformer模型生成图片级特征完成癌症亚型的分类。本发明能够辅助病理医生进行癌症亚型的分类，提高医生的工作效率。
-
公开(公告)号：CN113222933A
公开(公告)日：2021-08-06
申请号：CN202110520521.X
申请日：2021-05-13
申请人： 西安交通大学
IPC分类号： G06T7/00 , G06T7/11 , G06N3/04 , G06N3/08 , G06K9/62 , G06N20/00 , G16H30/40 , G16H15/00 , G16H50/20
摘要： 一种应用于肾细胞癌的全链条诊断的图像识别系统，包括图像切分模块，图像切分模块将经过癌症区域、癌症亚型以及癌症等级的标注后，对包含癌症基因组图谱TCGA和当地医院所提供的LH数据集的原病理图像进行切分，然后输入图像癌症区域检测模块对图像进行训练及预测，图像癌症区域检测模块处理后的图像由准确性提升模块进行准确度提升后，得到更为准确的癌症区域预测热力图，将预测为癌症的区域进行标记送至癌症区域分型模块进一步分型，得到癌症的细分亚型，分型后由报告输出模块输出图像识别结果报告；本发明能够利用深度学习的方法，快速准确对肾细胞癌病理图像进行分型分级识别，减轻对医生个人经验的依赖，降低诊断误差，实用高效。
-
公开(公告)号：CN114896419B
公开(公告)日：2024-10-25
申请号：CN202210607760.3
申请日：2022-05-31
申请人： 西安交通大学
摘要： 一种基于语义网技术的组织病理切片语义描述语言的建立及应用方法，其中语义描述语言的建立为：通过建立病理特征描述语言的基本项，包括本体类、对象属性与数据属性，能够表示病理切片中的更大范围的病理特征；在应用上，对组成该表型的的每一个实体、实体的属性、实体之间的关系进行细粒度描述，相较现有工作，能够大大降低表示的歧义性，另外，结合网络本体语言(OWL)自身具备的检索、推理等功能，能够进一步降低计算机传输、理解、分析复杂病理特征的难度；本发明能够对不同癌种的病理切片中出现的多元病理特征进行描述，实现对病理特征更加完整、精确的表示，为实现病理数据语义互操作性提供基础技术支撑。
-
公开(公告)号：CN113450363B
公开(公告)日：2023-05-02
申请号：CN202110651067.1
申请日：2021-06-10
申请人： 西安交通大学
IPC分类号： G06T7/10
摘要： 本发明公开了一种基于标签校正的元学习细胞核分割系统及方法，该系统包括细胞核提取模块、分割校正模块和后处理模块；该方法包括：对于一张原始的病理图片以及其相应部分噪声标注，将所有的连通域提取出，并进行像素级掩膜校正；对提取的每个连通域噪声标注和相应原图，通过该标签校正网络完成对噪声标签的校正，监督分割网络的训练；获得每个连通域噪声标签的校正掩膜之后，对所有的校正掩膜用带有标识符的分水岭算法，分割开重叠细胞核的标注，最终对于每个细胞核都能获得分割边界。本发明训练的网络模型可以准确识别每个细胞核的边界轮廓，辅助病理临床诊断，提升病理医生的工作效率，同时支撑下游肿瘤微环境研究等任务。
-
公开(公告)号：CN114283136A
公开(公告)日：2022-04-05
申请号：CN202111592210.0
申请日：2021-12-23
申请人： 西安交通大学
摘要： 一种基于级联网络的癌症浸润检测方法，首先，从完整的WSI中全局检测可疑浸润区域，将完整的WSI裁剪为小块(patch)，使用Unet或以Unet为基础的深度学习模型全局检测可疑浸润区域；然后根据检测得到的可疑浸润区域结果，使用卷积神经网络判断可疑浸润区域处是否含有癌症组织；对于判断含有癌症组织的部分，使用Unet或其他以Unet为基础的深度学习模型进行浸润边界的检测；将检测得到的浸润边界根据坐标还原到WSI中，完成癌症浸润检测；本发明能够部分代替的人工操作，大大降低了病理医生的工作负担，提高了工作效率，减轻临床压力。
-
公开(公告)号：CN115170884A
公开(公告)日：2022-10-11
申请号：CN202210861047.1
申请日：2022-07-22
申请人： 西安交通大学 , 上海交通大学医学院附属上海儿童医学中心
摘要： 一种基于分层注意力机制的儿童白血病多实例分类方法，首先，进行细胞分割任务：将儿童白血病病人的多张骨髓细胞图像中的有核细胞通过细胞分割模块提取出来，N个细胞为一份的随机采样，形成一个多实例包，作为样本输入学习；其次，进行儿童白血病分类任务：将上述输入学习后的样本作为儿童白血病分类模块，区分每个样本属于急性髓系白血病，或急性淋巴系白血病，并进一步进行多个层级的分型；本发明使用多示例学习的方法，将细胞编码成特征，并通过注意力模块计算不同细胞对各个类别的贡献度，分型形成层级特征，从细分型的注意力矩阵聚合至粗分型，针对癌细胞比例的损失函数，通过对比例的限制，半监督地分类了各个细胞是否属于癌细胞，使得注意力机制可以更好地计算细胞对各个类别的贡献度，使得分类更为精准。
-
公开(公告)号：CN114896419A
公开(公告)日：2022-08-12
申请号：CN202210607760.3
申请日：2022-05-31
申请人： 西安交通大学
摘要： 一种基于语义网技术的组织病理切片语义描述语言的建立及应用方法，其中语义描述语言的建立为：通过建立病理特征描述语言的基本项，包括本体类、对象属性与数据属性，能够表示病理切片中的更大范围的病理特征；在应用上，对组成该表型的的每一个实体、实体的属性、实体之间的关系进行细粒度描述，相较现有工作，能够大大降低表示的歧义性，另外，结合网络本体语言(OWL)自身具备的检索、推理等功能，能够进一步降低计算机传输、理解、分析复杂病理特征的难度；本发明能够对不同癌种的病理切片中出现的多元病理特征进行描述，实现对病理特征更加完整、精确的表示，为实现病理数据语义互操作性提供基础技术支撑。
-
公开(公告)号：CN114240958A
公开(公告)日：2022-03-25
申请号：CN202111594975.8
申请日：2021-12-23
申请人： 西安交通大学
摘要： 一种应用于病理学组织分割的对比学习方法，包括进行图像级对比学习任务；进行超像素级对比学习任务；进行像素级对比学习任务；三个层次的对比学习步骤，为病理学组织分割学习提供具有空间敏感性和平滑度的稳健密集表示，使得模型来学习病理组织分割图像从全局到局部对比的判别性表示，进而模型能够清晰地学习到细胞和细胞外基质的特征，有效提升了组织分割的精度。作为医学辅助工具，能显著提高病理学家的判别质量和工作效率。
-
公开(公告)号：CN114283136B
公开(公告)日：2023-10-27
申请号：CN202111592210.0
申请日：2021-12-23
申请人： 西安交通大学
IPC分类号： G06T7/00 , G06T7/12 , G06T7/13 , G06N3/0464 , G06N3/08
摘要： 一种基于级联网络的癌症浸润检测方法，首先，从完整的WSI中全局检测可疑浸润区域，将完整的WSI裁剪为小块(patch)，使用Unet或以Unet为基础的深度学习模型全局检测可疑浸润区域；然后根据检测得到的可疑浸润区域结果，使用卷积神经网络判断可疑浸润区域处是否含有癌症组织；对于判断含有癌症组织的部分，使用Unet或其他以Unet为基础的深度学习模型进行浸润边界的检测；将检测得到的浸润边界根据坐标还原到WSI中，完成癌症浸润检测；本发明能够部分代替的人工操作，大大降低了病理医生的工作负担，提高了工作效率，减轻临床压力。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.021 秒)
