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：江南大学

摘要：本发明公开了基于全局上下文感知双流深度学习的类器官自动标注方法，包括，结合荧光蛋白染色图像，利用labelme标注输入的明场图像中的类器官；基于全局上下文感知双流深度学习构建类器官标注模型并训练标注完成的数据，得到训练完成的网络模型；利用训练好的全局上下文感知双流深度学习网络模型标注未标注的明场图像，得到类器官标注掩膜，完成类器官的自动精确标注。本发明可以高通量地标注显微图像中的类器官，解决了类器官人工标注主观性大、速度慢、精度低的问题。

主权项：1.一种类器官自动标注方法，其特征在于，所述方法包括：步骤1：获取类器官明场图像；步骤2：利用类器官标注模型对所述类器官明场图像进行处理，得到类器官标注掩膜，完成类器官的自动标注；所述类器官标注模型包括：双流特征编码器、关系图卷积神经网络、特征融合模块和多任务特征解码器；所述双流特征编码器包括Whole-image特征编码器和Patch特征编码器，所述Whole-image特征编码器用于提取所述类器官明场图像的局部特征，所述Patch特征编码器用于提取所述类器官明场图像块的块特征；所述Whole-image特征编码器和Patch特征编码器均包括四个子模块，每个子模块包括依次连接的两个卷积层、一个ReLU激活函数、一个批标准化层、一个最大池化层和一个残差连接层；所述关系图卷积神经网络用于挖掘所述类器官明场图像块之间的全局先验依赖关系，从而得到所述类器官明场图像的全局特征；所述特征融合模块用于将所述类器官明场图像的局部特征和全局特征进行融合；所述多任务特征解码器包括：标注解码器、重构解码器和Patch解码器，所述标注解码器预测类器官标注结果，所述重构解码器用于预测类器官明场图重构结果，所述Patch解码器用于预测类器官块标注结果；所述标注解码器、重构解码器和Patch解码器均包括四个子模块，每个子模块包括依次连接的：一个反卷积层，两个卷积层、一个ReLU激活函数、一个批标准化层和一个残差连接层；所述Whole-image特征编码器与所述标注解码器中最大池化前和反卷积操作后的特征跳跃路径连接；所述Patch特征编码器和Patch解码器中最大池化前和反卷积操作后的特征跳跃路径连接。

全文数据：

权利要求：

百度查询： 江南大学 基于全局上下文感知双流深度学习的类器官自动标注方法