首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于原型和半监督深度学习的细胞核分割方法和系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:之江实验室;上海人工智能创新中心

摘要:本发明公开了一种基于原型和半监督深度学习的细胞核分割方法和系统,方法包括:将病理图像构建为有标签图像和无标签图像;构建基于半监督学习的深度学习细胞核分割网络,首先利用有标签图像仅对细胞核分割网络中的学生网络进行监督训练;利用无标签图像对细胞核分割网络中的教师网络和学生网络进行引入类别原型的学习和训练;利用训练后的学生网络进行待测病理图像细胞核分割。本发明能够利用基于原型的半监督学习的方法减少标注成本并实现高精度的细胞核分割,具有标注数据量少、自动化和成本低等特点,对基于病理图像的医学诊断具有重大意义。

主权项:1.一种基于原型和半监督深度学习的细胞核分割方法,其特征在于,包括以下步骤:将病理图像构建为有标签图像和无标签图像;构建深度学习细胞核分割网络,其包括基于编码器、解码器、投影器和分类器构建的教师网络和学生网络,利用有标签图像对学生网络进行基于真值和学生网络细胞核分割第一预测结果的监督训练;在监督训练基础上同时利用无标签图像对细胞核分割网络进行训练,包括:将两组不同数据增强的无标签图像分别输入教师和学生网络,提取各自特征并分别通过投影器映射到各自特征空间,再分别通过各自前景和背景的类别原型完成空间上的软分配,对前景和背景的原型进行对比学习;对两组不同数据增强的无标签图像裁剪相同空间位置,将这两部分裁剪图像通过教师和学生网络后的特征软分配进行对齐,经学生和教师网络分别得到第二预测结果和第三预测结果,将第三预测结果作为伪标签作为第二预测结果的监督;利用训练后的学生网络进行待测病理图像细胞核分割。

全文数据:

权利要求:

百度查询: 之江实验室 上海人工智能创新中心 一种基于原型和半监督深度学习的细胞核分割方法和系统

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。