龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：广东工业大学
申请日：2024-01-26
公开（公告）日：2024-04-30
公开（公告）号：CN117952933A
主分类号：G06T7/00
分类号：G06T7/00;G06T7/10;G06T7/62;G06N3/08
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.17#实质审查的生效;2024.04.30#公开
摘要：本申请涉及一种基于深度学习的TCT图像质控方法及系统，包括获取并标注TCT图像，进行预处理生成训练集；构建TCT算法网络模型，通过Unet和TCTnet编码器提取多尺度特征，利用随机梯度下降优化模型参数，实现细胞分类和识别；对实时TCT图像进行预测分割，计算细胞数和面积之和；根据预设质控算法，对细胞计数和面积占比进行评估，判断TCT图像采集质量是否符合要求；通过深度学习提高宫颈癌筛查的准确性、诊断效率和早期发现病变的能力，同时优化了TCT图像的质控过程。
主权项：1.一种基于深度学习的TCT图像质控方法，其特征在于，包括如下步骤：步骤S100、获取新柏氏液基细胞学检测TCT图像，对所述TCT图像进行标注，生成TCT图像训练集；步骤S200、构建TCT算法网络模型，将所述TCT图像训练集输入所述TCT算法网络模型进行训练，直至损失函数收敛，提取出对TCT图像分割有用的有效特征，基于所述有效特征生成TCT预测分割图；步骤S300、获取实时TCT图像，输入到训练好的TCT算法网络模型，获得TCT实时预测分割图，计算得出所述TCT实时预测分割图中的细胞总数和细胞总面积；步骤S400、根据所述TCT实时预测分割图中的细胞总数和细胞总面积，应用预设的质控算法，进行TCT图像的质量控制判定。
全文数据：
权利要求：
百度查询： 广东工业大学 一种基于深度学习的TCT图像质控方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号