[发明专利]基于改进Faster RCNN算法的病理图像细胞核检测方法在审
| 申请号： | 201910405516.7 | 申请日： | 2019-05-15 |
| 公开（公告）号： | CN110580699A | 公开（公告）日： | 2019-12-17 |
| 发明（设计）人： | 叶佳琪;左海维;朱玉亮;孙世强;常笙玥;祁婷婷;陈献鹏 | 申请（专利权）人： | 徐州医科大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11;G06T7/62;G06T7/73 |
| 代理公司： | 32353 徐州创荣知识产权代理事务所(普通合伙) | 代理人： | 晏荣府 |
| 地址： | 221004 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于改进Faster RCNN算法的病理图像细胞核检测方法，其包括组织病理切片图像特征抽取网络；基于深度学习理论，利用数据增强变换、难样本挖掘、优化小目标检测等方法处理组织病理切片图像，降低目标检测难度；根据交叉验证避免过拟合现象，结合损失函数中的分类损失和定位损失探究完成区域提名。本发明达到1s/张图像检测速度，满足实际应用的实时性需求，且表现出较好的鲁棒性，具有检测精度高和召回率高的优点。 | ||
| 搜索关键词： | 病理切片 检测 图像特征抽取 细胞核 病理图像 交叉验证 目标检测 数据增强 损失函数 图像检测 鲁棒性 实时性 小目标 拟合 算法 样本 图像 挖掘 分类 优化 应用 改进 网络 表现 学习 | ||
【主权项】：
1.一种基于改进Faster RCNN算法的病理图像细胞核检测方法，其特征在于：具体步骤如下：/n(1)组织病理切片图像特征抽取网络；/n(2)基于transfer learning初始化模型，利用数据增强变换、难样本挖掘、优化细胞核小目标；/n(3)通过对优化细胞核小目标检测处理组织病理切片图像，降低目标检测难度；根据交叉验证避免过拟合现象，结合损失函数中的分类损失和定位损失探究完成区域提名完，为后续细胞检测、分割、特征提取等步骤降低图像源信息差异行性。/n
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徐州医科大学，未经徐州医科大学许可，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/201910405516.7/，转载请声明来源钻瓜专利网。
