申请/专利权人:北京透彻未来科技有限公司
申请日:2023-12-15
公开(公告)日:2024-04-09
公开(公告)号:CN117853502A
主分类号:G06T7/11
分类号:G06T7/11;G06V20/69;G06V10/26;G06V10/52;G06V10/80;G06V10/82;G06N3/0464;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:本发明提供了基于多尺度混合分析的病理图像分割模型及方法,采用多尺度混合分析,在多个尺度上对病理图像进行分析,获取多尺度病理图像分析数据;根据多尺度病理图像分析数据,基于卷积神经网络架构,采用多效分割优化策略,训练大规模的病理图像数据,并通过自动学习提取病理图像中的特征,获取深度学习多样病理图像特征;根据深度学习多样病理图像特征,在卷积神经网络训练过程中,通过并行连接多分辨率子网络,进行循环重用多尺度分辨率融合,获取多尺度病理图像特征融合信息;根据多尺度病理图像特征融合信息,捕捉病理图像中不同组织结构的特征,并始终保持高分辨率图像,预测出精确热力图像,实现病理图像精确分割。
主权项:1.基于多尺度混合分析的病理图像分割模型,其特征在于,包括:多尺度混合分析数据获取模块,采用多尺度混合分析,在多个尺度上对病理图像进行分析,获取多尺度病理图像分析数据;卷积网络分割策略模块,根据多尺度病理图像分析数据,基于卷积神经网络架构,采用多效分割优化策略,训练大规模的病理图像数据,并通过自动学习提取病理图像中的特征,获取深度学习多样病理图像特征;并行连接多分辨率子网络模块,根据深度学习多样病理图像特征,在卷积神经网络训练过程中,通过并行连接多分辨率子网络,进行循环重用多尺度分辨率融合,获取多尺度病理图像特征融合信息;特征拼接病理图像分割模块,根据多尺度病理图像特征融合信息,捕捉病理图像中不同组织结构的特征,并始终保持高分辨率图像,预测出精确热力图像,实现病理图像精确分割。
全文数据:
权利要求:
百度查询: 北京透彻未来科技有限公司 基于多尺度混合分析的病理图像分割模型及方法
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。