公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

基于多模态卷积神经网络的病理预后分析方法及系统: 本发明提出了一种基于多模态卷积神经网络的病理预后分析方法及系统。该方法为：获取组织病理图像集、免疫组化标记图像集；建立多模态预后分析网络，所述多模态预后分析网络包括组织病理图像筛选网络、免疫组化图像筛选网络以及特征融合网...; 廖欣李康许春燕田博周頔郑欣

一种自动定位的组织病理图像识别扫描装置: 本实用新型公开了一种自动定位的组织病理图像识别扫描装置，涉及病理组织识别技术领域。该自动定位的组织病理图像识别扫描装置，包括：载玻片存放板和X轴伺服滑台；其中，所述载玻片存放板上开设有多个载玻片存放槽，所述载玻片存放槽之...; 廖欣李康李丽许春燕蒲雨欣江泽宇

一种病理组织识别用多自由度移动标记装置: 本实用新型公开了一种病理组织识别用多自由度移动标记装置，涉及病理组织识别技术领域。该病理组织识别用多自由度移动标记装置，包括：Y轴伺服滑台、Z轴气缸和X轴气缸，所述Z轴气缸纵向安装在Y轴伺服滑台的滑鞍下侧，所述X轴气缸横...; 廖欣李康黄芹李丽

基于神经网络集成模型的宫颈细胞病理计算机辅助诊断方法被引量：9: 2018年; 针对宫颈细胞病理图像自动筛查问题,本文提出一种基于人工智能技术的计算机辅助诊断方法。该方法通过对宫颈细胞病理图像采用自适应双阈值法进行初步检测,再采用改进Chan-Vase模型进行精确分割,提取出细胞(粘连簇团)中的不同区域。然后,结合病理诊断专家规则,构建相应的正交特征集。在此基础上,使用神经网络集成模型进行正常、疑似病变二分类识别,完成计算机辅助诊断。实验表明,本文方法能够有效完成宫颈病理细胞(粘连簇团)的分类识别,具有较高的正确率(84%)与较低的误判率(2.1%)。满足了在保证判断正确率的条件下,尽量降低将疑似病变样本误判为正常样本的实际病理诊断要求。; 廖欣廖欣郑欣邹娟孙亮冯敏; 关键词：宫颈细胞病理神经网络集成计算机辅助诊断

一种基于组织病理图像识别的图像获取装置: 本实用新型公开了一种基于组织病理图像识别的图像获取装置，涉及图像识别技术领域。该基于组织病理图像识别的图像获取装置，包括：采集箱体的外壁下侧开设有载玻片取放口；外板体，所述外板体插接在载玻片取放口处，所述外板体朝向采集箱...; 廖欣李康李丽许春燕蒲雨欣江泽宇

基于多模态卷积神经网络的病理预后分析方法及系统: 本发明提出了一种基于多模态卷积神经网络的病理预后分析方法及系统。该方法为：获取组织病理图像集、免疫组化标记图像集；建立多模态预后分析网络，所述多模态预后分析网络包括组织病理图像筛选网络、免疫组化图像筛选网络以及特征融合网...; 廖欣李康许春燕田博周頔郑欣

基于深度卷积神经网络的宫颈细胞病理智能辅助诊断方法被引量：4: 2018年; 针对宫颈细胞病理自动筛查问题,提出一种基于深度卷积神经网络的智能辅助诊断方法。首先采用基于改进UNet深度卷积神经网络模型的语义分割方法,检测出宫颈细胞病理涂片扫描图像中的细胞(粘连簇团)区域。接着,利用VGG 16深度卷积神经网络模型,结合迁移学习技术,对检测出的细胞(粘连簇团)区域进行精确识别。为了提高深度卷积神经网络模型的性能,在进行细胞(粘连簇团)区域检测、识别的过程中,采用了数据增强技术。同时,针对该领域相关研究缺乏宫颈细胞病理液基涂片扫描图像数据集的问题,我们收集四川大学华西附二院的典型LCT筛查病例,建立了宫颈细胞病理图像HXLCT数据集,并由资深病理医生完成数据标注。实验表明,本文方法能够较好地完成宫颈细胞病理涂片扫描图像中的细胞(粘连簇团)区域检测(正确率为91.33%),并能对检测出的区域完成正常、疑似病变二分类识别(正确率为91.6%,召回率为92.3%,ROC曲线线下面积为0.914)。本文工作将有助于宫颈细胞病理自动筛查系统的开发,对于宫颈癌早期防治具有重要意义。; 廖欣廖欣郑欣邹娟孙亮冯敏; 关键词：宫颈细胞病理

全选清除导出

共1页<1>

廖欣