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。

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