专利标题 公开号/公告号 公开日期 摘要 专利状态
染色体识别方法及系统 CN202411455563.X - 本发明公开一种染色体识别方法及系统。该方法包括获取染色体数据；根据染色体数据训练扩散概率模型；将染色体图像的染色体掩膜二值图和染色体灰度归一化直方图以及染色体类别嵌入至特征向量中，使用交叉注意力机制将特征向量作用于扩散概率模型，生成染色体扩充数据；根据染色体扩充数据训练染色体识别网络；根据染色体识别网络对需要识别的染色体数据进行识别；本发明基于扩散概率模型的扩增数据方法，既保留了染色体的真实性，又成功转换了染色体的图像特性，有效扩大了数据的多样性。通过该系统，染色体在不同数据源上的识别效果得到了显著的提升，为医疗诊断领域提供了更为精确和可靠的辅助工具。 公开
一种基于视觉序列模型的医学影像处理方法 CN202411278833.4 - 本发明公开一种基于视觉序列模型的医学影像处理方法，包括：获取待预测的图像数据xp和正确标注的序列数据St；将所述图像数据xp和所述序列数据St进行组合，得到图像序列Sp；将所述图像序列Sp输入视觉序列模型，得到视觉序列模型的输出结果So；将所述输出结果So中最后一个图像xr作为预测结果；对所述预测结果进行有效性验证。本发明能够显著提高医学数据标注的效率和准确性，降低人力成本，促进医学数据的充分利用和医疗服务的智能化发展。 实质审查
病理学图像分割方法及装置 CN202311736364.1 2024-02-23 本发明公开一种病理学图像分割方法及装置，该方法通过获取已标注类别的病理区域，并对病理区域进行裁剪，将裁剪后区域作为目标输入到扩散模型，对扩散模型进行预训练，基于预训练的扩散模型，在编码信息中加入标注区域信息，训练扩散模型，将语义分割网络与扩散模型串联，训练语义分割网络，得到对病理图像的分割模型，输入病理图像，通过分割模型得到分割结果；本发明能显著降低模型对训练数据的需求量，从而减轻医生和标注人员的工作量，生成的较高质量标签数据可以训练出精度更高的分割模型，提高对病理图像的分析精度。同时可以通过医生的需求生成存量少的小样本病理学图像，进行相关的培训工作。 专利权的授权
染色体增强参数调整方法及装置 CN202311517103.0 2024-02-06 本发明公开一种染色体增强参数调整方法及装置。本发明通过获取用户染色体图像增强效果数据库中指定的想要达到的染色体已增强图像，以及用户指定的需要增强的染色体图像；根据染色体已增强图像和需要增强的染色体图像进行强化学习的迭代训练过程，所述过程按照sarsa方法进行，并根据reward函数更新状态表格Q；其中，在每次迭代过程中，获取当前的状态st，将其转换为增强参数cot和amt，随之将该增强参数进行增强的染色体图像展示给用户；迭代运行100次后，终止迭代，保存状态表格Q；本发明可以快速自动找到全局最优参数。还可以在问题变化时实现参数的动态调整，保持模型的最佳性能。 专利权的授权
基于交互式引导的染色体图像复杂区域分割方法和装置 CN202311478985.4 2024-02-23 本发明公开一种基于交互式引导的染色体图像复杂区域分割方法和装置。本发明涉及染色体分割技术领域，本发明包括：获取染色体图像；通过目标检测模型自动得到染色体图像的检测框，基于检测框和随机取点，分割出所有可能的结果，根据置信度来剔除多余结果；在目标检测模型得到的分割结果错误的情况下，手动进行染色体图像标框或打点；将手动标框或打点得到的点、框两种交互信息进行编码，并通过交叉注意力运算，融合到带有分类分支的UNet模型中，指导模型进行对应的分割任务，输出分割的染色体轮廓及置信度；本发明通过引入交互信息进行手动分割或/和通过结合目标检测模型自动化分割，通过简单的交互，就能使模型精准的分割出目标染色体。 专利权的授权
基于深度学习的分裂相自动对焦系统 CN202311399491.7 2024-01-05 本发明提供一种基于深度学习的分裂相自动对焦系统，主要应用于低倍镜染色体分裂相扫描对焦拍摄，包括：图像采集模块，用于采集低倍镜和高倍镜下的显微图像；图像处理计算模块，用于将采集来的显微图像，输入到训练好的深度学习模型预测出最佳对焦参数；机械移动模块，用于将样品移动到预测的最佳对焦参数位置；图像存储模块，用于拍摄保存最清晰对焦图像；即对焦完成后进行图像采集与存储的流程；用户模块，用于提供图像浏览和相关操作界面。本发明推动了显微图像的自动化获得，使显微镜的应用更加便利高效，效果更佳，具有重要的技术进步意义。 专利权的授权
基于多模态融合的细胞形态学识别方法及装置 CN202311377332.7 - 本发明公开一种基于多模态融合的细胞形态学识别方法及装置。本发明通过获取待识别细胞的细胞图像，将细胞图像输入预先训练的语义分割网络，预测细胞区域信息，将细胞区域信息和细胞图像结合，输入到预先训练的卷积神经网络中，对细胞类型和状态进行提取特征，将提取的特征输入预先训练的文本解码器进行解码，输出对待识别细胞的形态描述，通过预先构建的细胞形态描述库对形态描述进行相似度匹配，得到待识别细胞的类别，能够对不同类型病理学细胞图像进行高效、准确的识别，具有较强的可解释性，可以通过加入对新目标的描述来实现识别类别数量的增加，减少对模型重新训练的次数。 实质审查
基于视觉语义联合的染色体病例级异常提示系统 CN202311235013.2 2023-12-12 本发明提供一种基于视觉语义联合的染色体病例级异常提示系统，采用核型图预处理模块将核型图进行染色体分割并拼接一个位置编码，再通过核型图像编码向量模块将染色体核型图编码成一个图像特征向量；然后将N种异常核型输入至文本编码器得到文本特征向量，构建成一个异常文本向量底库；最后将图像特征向量与异常文本向量底库的特征相似度计算，输出相似度最高并且判断是否达到设定的阈值，如果达到阈值则输出指定核型，否则不输出核型；本发明文本编码器指导图像编码器学习关注重要特征，直接端到端检测数量异常和结构异常，简单有效。 专利权的授权
基于生成式模型数据增广的微核血细胞识别系统 CN202311189112.1 - 本发明提供一种基于生成式模型数据增广的微核血细胞识别系统，采用微核识别模型，将染色体图像数据库中的血细胞图像输入生成模型离线训练模块分别完成分布式训练，生成指定细胞质和细胞核位置及轮廓的图像；其中，生成模型离线训练模块训练基于控制网络的扩散概率模型，用于训练得到可以生成大量阴性阳性样本的模型，阴性微核与阳性微核细胞图像生成模块是用生成模型离线训练模块训练得到的模型来生成大量阴性阳性图，然后通过微核识别模型训练模块将得到的阴性阳性图进行分类，得到阴性阳性的二分类结果，并通过用户交互界面显示微核细胞的概率值。本发明能快速获得更具代表性的数据集，为医疗诊断和疾病治疗提供更精确的支持。 实质审查
染色体结构异常辅助识别方法、系统及计算机设备 CN202211593128.4 2023-03-28 本发明公开了一种染色体结构异常辅助识别方法、系统及计算机设备，包括如下步骤：S100、获取需要判断的真实染色体图像；S200、通过染色体内容重构模型生成指定染色体类型的重构染色体图像；S300、通过染色体相似度计算模块获得两者的相似度；S400、根据真实染色体和重构染色体之间的相似度预警，比对真实染色体图像和重构染色体图像中染色体特征，判断真实染色体是否异常。本发明采用辅助识别的方式，在为医生提供染色体相似度的同时，也能使医生能够对异常预警的真实染色体和生成的重构染色体进行对比，避免了对真实染色体进行直接识别不准确而对医生产生误导，有效提高了染色体智能识别的准确率。 专利权的授权