申请/专利权人：清华大学深圳国际研究生院

申请日：2024-01-10

公开（公告）日：2024-04-09

公开（公告）号：CN117853729A

主分类号：G06V10/26

分类号：G06V10/26;G06V10/74;G06V10/44;G06V10/82;G06V10/25;G06V10/764;G06V10/766;G06V20/69;G06N3/0464;G06N3/045;G06N3/0455;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：一种基于深度学习的多切面层次肾小球识别和匹配方法，包括如下步骤：通过所述肾小球实例分割模型对多切面层次的待识别图像进行肾小球实例分割；基于肾小球实例分割结果，通过所述肾小球匹配模型所述多切面层次中的两两层次之间的肾小球进行匹配，并进而实现对各切面层次的肾小球的匹配；其中，所述肾小球实例分割模型和所述肾小球匹配模型是使用具有多切面层次的肾穿刺活检样本图像训练得到的。本发明的识别和匹配方法实现了多切面层次的肾小球准确的识别和匹配性能，能够大量节省医生搜索肾小球的时间，从而帮助医生将更多的注意力放在病变的判断上。

主权项：1.一种基于深度学习的多切面层次肾小球识别和匹配方法，其特征在于，包括如下步骤：通过所述肾小球实例分割模型对多切面层次的待识别图像进行肾小球实例分割；基于肾小球实例分割结果，通过所述肾小球匹配模型所述多切面层次中的两两层次之间的肾小球进行匹配，并进而实现对各切面层次的肾小球的匹配；其中，所述肾小球实例分割模型和所述肾小球匹配模型是使用具有多切面层次的肾穿刺活检样本图像训练得到的；其中，所述两两层次之间的肾小球进行匹配包括粗匹配阶段和细匹配阶段，所述粗匹配阶段通过基于高斯混合模型的相干点漂移CPD来确定肾小球在两个不同层次之间的匹配关系，从而确定每个目标肾小球的最可能匹配的源肾小球，所述细匹配阶段根据粗匹配结果，通过特征空间的距离计算确定每个目标肾小球的最优匹配肾小球，并得到两两层次之间的肾小球匹配的匹配矩阵；对各匹配矩阵进行融合，得到各切面层次的肾小球最终的匹配矩阵。

全文数据：

权利要求：

百度查询： 清华大学深圳国际研究生院 一种基于深度学习的多切面层次肾小球识别和匹配方法

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