龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明涉及基于弱监督学习的组织病理学图像分割方法。本发明针对乳腺癌的数据，通过使用图像级别的分类标签来实现组织病理学图像的组织语义分割，从而减少标注工作；在该方法中，提出了一个包括分类和分割两个阶段的两步模型，通过引入多尺度残差模块MSRM构建的MSR‑Net，在分类阶段实现了对不同尺度图像特征的自适应学习和融合，优化了类激活映射CAM的细节捕捉能力，进而产生了高质量的像素级伪掩码。此外，利用多层伪监督算法和分类门机制进一步提高了分割模型在处理只有图像级标签的组织病理学图像时的精度和效率。本发明达到了有效在乳腺癌图像进行组织分割的目的。
主权项：1.基于弱监督学习的组织病理学图像分割方法，其特征在于，包括如下：Step1、利用现有的HE图像和对应的图像级标签作为训练数据，对训练数据进行预处理；Step2、分类阶段，在VGG16模型的基础上，引入多尺度残差模块MSRM，利用不同尺寸的卷积核来对不同尺度图像特征进行自适应学习和融合，充分捕捉图像的局部特征，生成像素级伪掩码；Step3、分割阶段，采用Transunet作为分割骨架，借助多层伪监督算法和分类门机制，缩小图像级标签和像素级标签之间的信息差距，同时降低了非优势组织类别的假阳性率。
全文数据：
权利要求：
百度查询： 昆明理工大学 基于弱监督学习的组织病理学图像分割方法
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。
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