[发明专利]一种人工组织和类器官的检测方法及其装置在审

专利信息
申请号: 202210110925.6 申请日: 2022-01-29
公开(公告)号: CN114494217A 公开(公告)日: 2022-05-13
发明(设计)人: 王玲;张琳翊;杨珊珊;徐铭恩 申请(专利权)人: 杭州捷诺飞生物科技股份有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06T5/00;G06T5/30;G06N3/04;G06N3/08
代理公司: 杭州君度专利代理事务所(特殊普通合伙) 33240 代理人: 朱亚冠
地址: 310018 浙江省杭州市经济技术开发区*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 人工 组织 器官 检测 方法 及其 装置
【权利要求书】:

1.一种人工组织和类器官的检测方法,包括以下步骤:

步骤(1):使用OCT设备采集人工组织或类器官的原始三维灰度图像;

步骤(2):构建打标签后的二维图像或三维图像数据集,并将数据集分为训练集和测试集;

所述打标签后的二维图像构建过程具体是对人工组织或类器官的原始三维灰度图像拆分为若干原始二维灰度图像,然后对这些二维灰度图像进行对比度增强,得到对应的对比度增强后二维灰度图像;将原始二维灰度图像打标签后作为二维图像数据集,其中标签为原始二维灰度图像对应的对比度增强后二维灰度图像;

所述打标签后的三维图像构建过程具体是对人工组织或类器官的原始三维灰度图像拆分为若干原始二维灰度图像,然后对这些二维灰度图像进行对比度增强,得到对应的对比度增强后二维灰度图像;再将对比度增强后二维灰度图像组合得到对比度增强后三维图像;将原始三维灰度图像打标签后作为三维图像数据集,其中标签为原始三维灰度图像对应的对比度增强后三维图像;

步骤(3):构建人工组织或类器官分割深度学习网络,并利用训练集进行训练;最后利用测试集对训练好的人工组织或类器官分割深度学习网络进行测试验证;

所述人工组织或类器官分割深度学习网络采用EG-Net、ResNet50v2、VGG19、Xception或DenseNet121CNN,其输入为二维灰度图像,输出为对比度增强后二维灰度图像;最后对原始三维灰度图像对应的所有对比度增强后二维灰度图像进行组合;

所述人工组织或类器官分割深度学习网络采用Resnet-3D,其输入为原始三维灰度图像,输出为对比度增强后三维图像;

步骤(4):利用测试验证后的人工组织或类器官分割深度学习网络实现人工组织或类器官分割,得到人工组织或类器官区域三维图像;

步骤(5):对步骤(4)得到的人工组织或类器官区域三维图像进行量化:

按照连通域计算培养到最后一天对应培养板每个培养孔中人工组织或类器官的形态学指标与ATP数值,其中形态学指标为:总体积、总表面积、总球度、个数、平均体积、平均表面积、平均球度;将人工组织或类器官的形态学指标与ATP数值进行标准化处理后构建的矩阵计算协方差矩阵;将协方差矩阵进行奇异值分解获得按照奇异值从大到小排序后的右奇异矩阵和奇异值矩阵;按照方差贡献率提取主成分,将右奇异矩阵的列向量作为某一主成分表达式的系数,该奇异值占总奇异值的比例为综合指标的系数,最终得到人工组织或类器官综合指标。

2.如权利要求1所述的方法,其特征在于所述对这些二维灰度图像进行对比度增强具体是对二维灰度图像进行衰减系数算法、对数强度方差算法、延迟相关衰减速度算法、散斑起伏谱的逆幂律指数α算法、基于自相关的运动幅度M算法、帧间复相关算法、图像预处理算法中的一种或多种对这些二维灰度图像进行处理。

3.如权利要求1所述的方法,其特征在于所述原始二维灰度图像进行对比度增强前增加数据增强步骤。

4.如权利要求3所述的方法,其特征在于所述数据增强是对图像采用扭曲增强与非扭曲增强结合的方法、图像旋转法、图像尺度变换法中的一种或多种。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州捷诺飞生物科技股份有限公司,未经杭州捷诺飞生物科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210110925.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top