[發明專利]一種具備模型遷移功能的顯微圖像識別分割方法在審
| 申請號： | 201910844452.0 | 申請日： | 2019-09-06 |
| 公開（公告）號： | CN110738107A | 公開（公告）日： | 2020-01-31 |
| 發明（設計）人： | 劉凈心;慕瀟;左彥飛;郭滟 | 申請（專利權）人： | 上海衡道醫學病理診斷中心有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 34147 合肥律眾知識產權代理有限公司 | 代理人： | 馮慧云 |
| 地址： | 201900 上海*** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 遷移 分割 分割模式 分割模型 顯微圖像 圖像 計算機輔助診斷 讀取 對抗訓練 分割結果 技術支持 金字塔型 神經網絡 輸入目標 網絡建立 訓練模型 目標域 無標記 新圖像 加載 雙域 機器人 標簽 測試 更新 應用 網絡 | ||
1.一種具備模型遷移功能的顯微圖像識別分割方法，該方法基于雙域適應模塊金字塔型網絡建立模型遷移SDK，其特征在于：
包含識別分割模式和模型遷移模式，所述識別分割模式的實施步驟為：
S1、輸入顯微圖像，從顯微鏡閱片系統中獲取數字顯微圖像；
S2、加載分割模型，加載分割模型及訓練完成的權重；
S3、獲得分割結果，將圖像輸入模型，獲得預測的分割結果；
所述模型遷移模式的實施步驟為：
Y1、輸入目標遷移的圖像，準備目標域顯微圖像；
Y2、讀取步驟Y1中輸入的圖像并訓練模型，系統內部讀取原始訓練圖像及其對應的原始訓練標記；
Y3、更新現有的識別分割模型，將訓練完成后所得的分割網絡權重更新替換現有的權重。
2.如權利要求1所述的一種具備模型遷移功能的顯微圖像識別分割方法，其特征在于，所述該方法是建立在雙域適應模塊金字塔型網絡基礎上實現的。
3.如權利要求1所述的一種具備模型遷移功能的顯微圖像識別分割方法，其特征在于，所述步驟S3中的分割模型包含編碼器、金字塔型池化模塊和解碼器。
4.如權利要求1所述的一種具備模型遷移功能的顯微圖像識別分割方法，其特征在于，所述步驟S4中圖像輸入分割網絡模型，網絡的損失函數為該分割函數由分類交叉熵和Dice系數兩部分組成，數學表達為：
其中α是權衡參數，y與分別表示標準結果與預測結果。
5.如權利要求1所述的一種具備模型遷移功能的顯微圖像識別分割方法，其特征在于，所述步驟Y2中加載基于雙域適應模塊金字塔型網絡，利用雙域適應模塊金字塔型網絡及無監督域適應圖像分割方法讀取步驟Y1中輸入的圖像并訓練模型。
6.如權利要求5所述的一種具備模型遷移功能的顯微圖像識別分割方法，其特征在于，所述雙域適應模塊金字塔型網絡包含編碼器、金字塔型池化模塊、解碼器、圖像級域適應模塊及特征級域適應模塊。
7.如權利要求1所述的一種具備模型遷移功能的顯微圖像識別分割方法，其特征在于，所述系統內部讀取原始訓練圖像及其對應的原始訓練標記是結合源域圖像分割模塊及兩個域適應模塊，通過對抗性訓練對最小-最大博弈同時優化三個分割網絡及兩個域適應模塊，其整體的目標方程為：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于上海衡道醫學病理診斷中心有限公司，未經上海衡道醫學病理診斷中心有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910844452.0/1.html，轉載請聲明來源鉆瓜專利網。
