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U‑Net模型的病理学图像细胞分割方法，属深度学习及医学图像分割领域。本发明采用改进的U‑Net模型，在预处理阶段，将原始的点标记数据转换为连续的密度图。在网络的解码器阶段加入了多尺度注意力模块。该模块有效地结合多尺度特征融合和软注意力机制，能够全面捕捉图像中的全局与局部特征，并显著增强对关键细胞特征的表示能力，从而提高细胞分割的精度。此外，本发明在解码器各层之间增添了像素通道融合模块，该模块通过整合局部信息和像素级注意力到通道注意力机制中，进一步增强了模型对细节的识别能力。本发明能够有效分割经IHC染色的病理学图像中的Ki‑67阳性细胞、Ki‑67阴性细胞和肿瘤浸润性淋巴细胞。
主权项：1.一种基于U-Net模型的病理学图像细胞分割方法，其特征在于，包括如下：Step1、首先针对原始点标注进行预处理，将细胞中心的原始点标注转换为密度分布图；Step2、其次在模型U-Net的基础上，在编码器部分使用多尺度注意力模块，多尺度注意力模块结合多尺度特征融合和软注意力机制，用于全面捕捉图像中的全局与局部特征；在解码器之间使用像素通道融合模块，像素通道融合模块在解码器各层之间融合像素级和通道级注意力机制，优化了特征图的细节表现；Step3、最后在后处理方面，先设定了一个阈值，根据阈值将网络输出密度分布图转换为离散的二值掩膜，再通过使用距离变换和分水岭算法确定细胞中心位置。
全文数据：
权利要求：
百度查询： 昆明理工大学 一种基于U-Net模型的病理学图像细胞分割方法
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