申请/专利权人:浙江大学
申请日:2021-12-17
公开(公告)日:2024-06-25
公开(公告)号:CN114255239B
主分类号:G06T7/10
分类号:G06T7/10;G06N3/048;G06N3/0464;G06N3/084
优先权:
专利状态码:有效-授权
法律状态:2024.06.25#授权;2022.04.15#实质审查的生效;2022.03.29#公开
摘要:本发明公开了一种细胞分割微调方法,包括:S1、预训练阶段:将已知的不同风格的细胞图像数据作为预训练数据构成预训练集,利用训练集进行模型训练,得到预训练模型;S2、微调阶段:从新风格的待分割的细胞图像中,标注至少8张,作为shot数据集,剩余的细胞图像作为query数据集;利用shot数据集对步骤S1得到的预训练模型进行微调再训练,得到训练模型;S3、推断阶段:利用步骤S2得到的训练模型对步骤S2中所述的query数据集中的细胞图像进行推断分割。相对现有技术,本发明可实现对不同风格的细胞图像的细胞分割,拓宽了通用性算法可以应用的场景,提高了通用性算法的分割性能。
主权项:1.一种细胞分割微调方法,其特征在于,包括以下步骤:S1、预训练阶段:将已知的不同风格的细胞图像数据作为预训练数据构成预训练集,利用预训练集进行模型训练,得到预训练模型;S2、微调阶段:从新风格的待分割的细胞图像中,标注至少8张,作为shot数据集,剩余的细胞图像作为query数据集;利用shot数据集对步骤S1得到的预训练模型进行微调再训练,得到训练模型;S3、推断阶段:利用步骤S2得到的训练模型对步骤S2中所述的query数据集中的细胞图像进行推断分割;步骤S1中所述预训练模型为Scellseg模型,具体地,所述Scellseg模型的构建方法为:在Cellpose模型的基础上引入注意力门控机制;所述注意力门在将编码过程中子块的特征传递到解码过程对应层级的子块时,为特征图增加空间权重;所述Scellseg模型的构建方法,还包括:在Cellpose模型的基础上引入层次风格信息;所述层次风格信息将编码过程中各个层次的风格嵌入按层次进行整合并使用一个全连接层进行降维之后,传递给解码子块;所述Scellseg模型中还包括dense单元;所述dense单元在解码子块进行处理后,将解码前的特征与解码后的特征进行整合。
全文数据:
权利要求:
百度查询: 浙江大学 一种细胞分割微调方法
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。