买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:华南理工大学
摘要:本发明公开了一种基于SENet的胃癌病理切片图像分割预测方法,该方法的步骤包括:基于大津算法与密铺算法生成图像块和对应真实标签;基于SENet模块组成多路卷积单元;基于多路卷积单元和跨层跳跃连接搭建网络模型;基于随机抽样方法训练网络模型;基于密铺算法重建预测结果。本发明可以将特征图谱进行组合,获取更丰富、维度更高的特征信息来表征图像,防止遗漏较小的特征区域,同时由于SENet模块的引入,可使网络学习利用全局信息执行特征重新校准,从而增强整个网络的表答能力,有效避免在训练过程中模型易忽略较小特征区域的情况,提高整体预测的正确率。
主权项:1.一种基于SENet的胃癌病理切片图像分割预测方法,其特征在于,包括下述步骤:基于大津算法提取前景组织区域并利用前景掩码图和切片级真实标签做与运算滤除空腔和背景,基于密铺算法生成图像块和对应图像块级的真实标签;基于SENet模块使用深度可分离卷积、标准卷积、串联操作与加和操作构建多路卷积单元;所述基于SENet模块使用深度可分离卷积、标准卷积、串联操作与加和操作构建多路卷积单元,具体步骤包括:级联全局平均池化层、全连接层、ReLu激活函数、全连接层和Sigmoid激活函数构成SENet模块;将特征图谱hi作为多路卷积单元的输入,进行多次深度可分离卷积后与上一特征图谱hi-1做串联操作得到串联第一输出;将串联第一输出与特征图谱hi做加和操作再输入SENet模块;将特征图谱hi分别做多次标准卷积和一次标准卷积后做加和操作得到加和第一输出,将加和第一输出做多次标准卷积后再与加和第一输出做加和操作得到加和第二输出;将SENet模块输出与加和第二输出做串联操作得到串联第二输出,串联第二输出即为多路卷积单元输出;基于多路卷积单元搭建网络模型,在网络模型中堆叠多个多路卷积单元并使用跨层跳跃连接;所述在网络模型中堆叠多个多路卷积单元并使用跨层跳跃连接,多路卷积单元内部分两路进行,第一路做标准卷积和SENet模块获取特征图谱,作为下一层卷积单元第一路的输入,第二路做深度可分离卷积获取特征图谱,通过跨层跳跃连接与下一卷积单元第二路进行串联;第一路、第二路获取的特征图谱再进行串联作为下一卷积单元第二路的输入;将得到的图谱依次通过GAP层、Dropout层和Dense层;基于随机抽样训练网络模型,基于随机抽样生成统计正样本和负样本池,训练时通过随机抽样从负样本池中抽取与正样本相同数量的负样本,形成数据集;基于密铺算法重建预测结果,得到与原始病理切片大小相同的图像。
全文数据:
权利要求:
百度查询: 华南理工大学 一种基于SENet的胃癌病理切片图像分割预测方法
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。