基于多尺度深度學(xué)習(xí)的病理圖像病灶區(qū)域檢測(cè)方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN202010622537.7 | 申請(qǐng)日 | - |
| 公開（公告）號(hào) | CN111784671A | 公開（公告）日 | 2020-10-16 |
| 申請(qǐng)公布號(hào) | CN111784671A | 申請(qǐng)公布日 | 2020-10-16 |
| 分類號(hào) | G06T7/00(2017.01)I | 分類 | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 高忠科;安建鵬;袁濤;曲志勇;馬文慶 | 申請(qǐng)（專利權(quán)）人 | 天津富瑞隆金屬制品有限公司 |
| 代理機(jī)構(gòu) | 天津市北洋有限責(zé)任專利代理事務(wù)所 | 代理人 | 天津大學(xué);天津富瑞隆金屬制品有限公司 |
| 地址 | 300072天津市南開區(qū)衛(wèi)津路92號(hào) | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 一種基于多尺度深度學(xué)習(xí)的病理圖像病灶區(qū)域檢測(cè)方法：對(duì)病理切片圖像數(shù)據(jù)進(jìn)行預(yù)處理；構(gòu)建全卷積神經(jīng)網(wǎng)絡(luò)，全卷積神經(jīng)網(wǎng)絡(luò)為特征金字塔結(jié)構(gòu)，特征金字塔結(jié)構(gòu)中自底向上的特征提取部分由一個(gè)預(yù)訓(xùn)練的ResNet50組成，特征金字塔結(jié)構(gòu)的自頂向下部分將ResNet50輸出的特征進(jìn)行融合并生成最終的概率圖輸出，選擇Adam優(yōu)化器用于對(duì)全卷積神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行梯度更新，全卷積神經(jīng)網(wǎng)絡(luò)的損失函數(shù)選用Focal Loss損失函數(shù)，對(duì)構(gòu)建好的全卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；對(duì)全卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試，是將需要進(jìn)行判斷病理切片圖像進(jìn)行預(yù)處理后，輸入到訓(xùn)練好的全卷積神經(jīng)網(wǎng)絡(luò)中，輸出為病灶區(qū)域的二值化圖像。本發(fā)明為病理醫(yī)生對(duì)病人病灶區(qū)域的快速判別提供有力的參考數(shù)據(jù)。?? |
