申请/专利权人:东南大学
申请日:2022-11-15
公开(公告)日:2023-03-14
公开(公告)号:CN115797269A
主分类号:G06T7/00
分类号:G06T7/00;G06T7/10
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.03.31#实质审查的生效;2023.03.14#公开
摘要:本发明公开了一种膜性肾病电子致密物图像的分割方法,属于模式识别领域。该方法包括:收集膜性肾病病理图像来构建膜性肾病电镜图像的分割数据集,对分割数据集进行数据增强;建立基于多尺度注意力的卷积神经网络模型;卷积神经网络模型以膜性肾病病理图像为输入进行分割,以膜性肾病病理图像对应的预测图为输出;卷积神经网络模型基于注意力机制对膜性肾病病理图像的分割图进行筛选;使用分割数据集训练卷积神经网络模型的参数;本发明通过多尺度注意力卷积神经网络能够实现自动、准确地对膜性肾病的电镜图像中的致密物进行分割。
主权项:1.一种膜性肾病电子致密物图像的分割方法,其特征在于,包括以下步骤:收集膜性肾病病理图像来构建膜性肾病电镜图像的分割数据集,对分割数据集进行数据增强;建立基于多尺度注意力的卷积神经网络模型;卷积神经网络模型以膜性肾病病理图像为输入进行分割,以膜性肾病病理图像对应的预测图为输出;卷积神经网络模型基于注意力机制对膜性肾病病理图像的分割图进行筛选;使用分割数据集训练卷积神经网络模型的参数;通过CrossEntropy损失函数和DiceLoss损失函数对膜性肾病病理图像的真实分割图和对应的预测图进行计算得到损失值;通过反向传播更新卷积神经网络模型的参数直到损失值稳定;将待分割图片输入训练好的卷积神经网络模型,得到分割结果图。
全文数据:
权利要求:
百度查询: 东南大学 一种膜性肾病电子致密物图像的分割方法及分割装置
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。