[发明专利]一种基于深度学习的病理图像目标区域定位方法及系统在审
| 申请号： | 201810420759.3 | 申请日： | 2018-05-04 |
| 公开（公告）号： | CN108846828A | 公开（公告）日： | 2018-11-20 |
| 发明（设计）人： | 关新平;谷朝臣;吴开杰;赵姝馨 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 上海汉声知识产权代理有限公司 31236 | 代理人： | 庄文莉 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于深度学习的病理图像目标区域定位方法及系统，包括：将实体的切片信息转换为全切片数字病理图像；对目标区域进行标记，并用记录文件记录标记信息，得到原始数据集；对全切片数字病理图像及记录文件进行同等尺度的缩小，构成深度学习数据集；将深度学习数据集分为训练集和测试集；采用训练集对更快区域卷积神经网络进行训练；将测试集输入训练好的更快区域卷积神经网络，输出目标区域定位结果；将目标区域定位结果中的记录文件放大到原始尺度，并标记到原始全切片数字病理图像上。本发明可以显著提高目标区域定位的鲁棒性和准确率，对数字病理图像进行高通量处理速率的感兴趣区域的准确定位。 | ||
| 搜索关键词： | 病理图像 目标区域 切片 记录文件 定位方法及系统 卷积神经网络 学习数据 测试集 训练集 记录标记信息 感兴趣区域 原始数据集 定位结果 区域定位 输出目标 信息转换 原始尺度 准确定位 高通量 鲁棒性 准确率 放大 并用 尺度 学习 | ||
【主权项】：
1.一种基于深度学习的病理图像目标区域定位方法，其特征在于，包括：扫描步骤：扫描病理图像全切片，将实体的切片信息转换为全切片数字病理图像；标记步骤：对全切片数字病理图像中的目标区域进行标记，并用记录文件记录标记信息，全切片数字病理图像及记录文件共同构成原始数据集；缩小步骤：对原始数据集中的全切片数字病理图像及记录文件进行同等尺度的缩小，缩小后的全切片数字病理图像及记录文件共同构成深度学习数据集；划分步骤：将深度学习数据集分为训练集和测试集两部分；训练步骤：采用训练集对更快区域卷积神经网络进行训练；定位步骤：将测试集输入训练好的更快区域卷积神经网络，输出目标区域定位结果；放大步骤：将目标区域定位结果中的记录文件放大到原始尺度，并标记到原始全切片数字病理图像上。
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上海交通大学，未经上海交通大学许可，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/patent/201810420759.3/，转载请声明来源钻瓜专利网。
