申请/专利权人：太原理工大学

申请日：2019-12-12

公开（公告）日：2020-05-15

公开（公告）号：CN111160135A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06T7/00(20170101);G06T7/10(20170101);G06T7/60(20170101);G01N15/10(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的驳回

法律状态：2022.03.18#发明专利申请公布后的驳回;2020.06.09#实质审查的生效;2020.05.15#公开

摘要：本发明属于医疗病理的人工智能辅助诊断领域，公开了一种基于改进的FasterR‑cnn的尿红细胞病变识别与统计方法和系统，方法包括以下步骤：S1、采集若干张肾病患者的样本尿红细胞图像；S2、对样本尿红细胞图像中的尿红细胞的类别进行标注，利用对抗生成网络进行样本生成，样本生成后进行数据增强预处理后作为训练数据；S3、将训练数据输入改进的FasterR‑cnn神经网络中进行训练；所述改进的FasterR‑cnn神经网络的基础网络中加入了1x1的卷积层，且网络中的BN层被GN层替代；S4、将待识别尿红细胞图像输入网络，得到图像中所有尿红细胞的分类并进行统计。本发明可以获得更为快速准确的红细胞分类畸形率统计结果。

主权项：1.一种基于改进的FasterR-cnn的尿红细胞病变识别与统计方法，其特征在于，包括以下步骤：S1、采集若干张肾病患者的样本尿红细胞图像；S2、通过类别标签对样本尿红细胞图像中的尿红细胞的类别进行标注，标注完成后，对标注数据进行图像去燥，利用对抗生成网络进行样本生成，样本生成后进行数据增强预处理，得到若干张带有标注的训练数据；S3、将带有标注的训练数据作为初始训练数据输入改进的FasterR-cnn神经网络中进行训练；所述改进的FasterR-cnn神经网络的基础网络中加入了多个卷积核为1x1的卷积层，且网络中的BN层被GN层替代；S4、训练结束后，将待识别尿红细胞图像输入改进的FasterR-cnn神经网络中进行特征提取，得到待识别尿红细胞图像中所有尿红细胞属于不同类别的概率，将拥有最大概率值的类别作为尿红细胞所属分类，对各个分类下的尿红细胞进行统计。

全文数据：

权利要求：

百度查询： 太原理工大学 基于改进的Faster R-cnn的尿红细胞病变识别与统计方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD