公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

一种基于Hash编码的超光谱遥感图像分类方法: 本发明公开了一种基于Hash编码的超光谱遥感图像分类方法，属于图像信息处理技术领域，提出了用块Hash自动编码的思想来处理超光谱遥感图像，本发明提出了用Hash自动编码的思想来处理超光谱遥感图像，将遥感图像每个通道提取出...; 徐军张倩刘利卉周超鲁浩达孙明建; 文献传递

一种基于深度学习和结合策略的细胞异型性自动分级方法: 本发明公开了一种基于深度学习和结合策略的细胞异型性自动分级方法，首先在不同分辨率下运用深度学习方法识别出病理组织图像块的等级，然后在每个分辨率下运用已经训练好的深度模型结合滑动窗口方法处理当前分辨率下的大幅图像，再使用结...; 徐军周超; 文献传递

基于深度卷积神经网络的肾透明细胞癌细胞核分割被引量：10: 2017年; 肾透明细胞癌病理图像中细胞核的形态和位置信息对肾癌的良恶性分级诊断具有重要意义,为提高肾透明细胞癌细胞核分割的质量,本研究提出了基于深度卷积神经网络的细胞核分割方法。首先,根据标定的病理图像中细胞核轮廓,构建细胞核分割样本集;然后,深度卷积神经网络通过隐式特征学习对细胞核分割模型进行训练,避免人为设计特征;最后,利用细胞核分割模型对病理图像进行逐像素分割。实验结果表明,深度卷积神经网络的细胞核分割算法在肾透明细胞癌细胞核分割的像素准确率高达90.33%,细胞核分割性能稳定,深度卷积神经网络强大的鲁棒性和适应性使得肾透明细胞癌细胞核自动分割具有可能。; 鲁浩达徐军刘利卉周超周晓军张泽林; 关键词：卷积神经网络细胞核肾透明细胞癌

海报搜索方法及用户终端: 本发明涉及通信技术领域，尤其涉及一种海报搜索方法及用户终端。所述海报搜索方法，包括如下步骤：通过用户终端获取海报图像；使用深度卷积神经网络算法对所述海报图像进行特征提取；将提取的特征上传至网络服务器；从所述网络服务器中选...; 徐军徐海俊蔡程飞周超; 文献传递

一种全景扫描病理图像转移区域的自动分割方法: 本发明公开了一种全景扫描病理图像转移区域的自动分割方法，包括：对全景扫描病理图像进行预处理，提取有组织区域；获取训练样本集，标记转移部分和非转移部分；构建深度卷积网络模型并进行模型训练，采用训练完成的深度卷积网络模型识别...; 徐军徐海俊蔡程飞周超郎彬; 文献传递

基于深度网络的乳腺病理图像细胞核异型性自动评分: 在癌症诊断和预后中，病理医生通常使用显微镜观察组织切片中的不同病理标志物进行病理等级评分。细胞核异型性是世界卫生组织推荐的针对乳腺癌诊断的诺丁汉分级系统中三个评分要素之一，因此对该指标评判的准确性决定了医生诊断乳腺癌患者...; 周超; 关键词：病理图像自动评分

基于逐像素点深度卷积网络上皮和基质组织自动分割方法: 本发明公开了一种基于逐像素点深度卷积网络上皮和基质组织自动分割的方法，包括以下步骤：病理图像预处理操作；构造训练集与测试集；构建一个深度卷积神经网络模型(DCNN)；对测试集中的图像像素点进行预测，得到分类结果。并根据分...; 徐军骆小飞周超刘利卉郎彬季卫萍; 文献传递

基于深度卷积网络和结合策略的乳腺组织病理图像细胞核异型性自动评分被引量：5: 2017年; 细胞核异型性是评估乳腺癌恶性程度的一个重要指标,主要体现在细胞核的形状、大小变化、纹理和质密度不均化。提出基于深度学习和结合策略模型的乳腺组织细胞核异型性自动评分模型。该模型使用3个卷积神经网络,分别处理每个病例的3种不同分辨率下的组织病理图像,每个网络结合滑动窗口和绝对多数投票法,评估每个病例同一种分辨率下的图像的分值,得到3种分辨率下的评分结果。使用相对多数投票法,综合评估每个病例的最终细胞核异型性评分结果。为评估模型对细胞核异型性评分的有效性,利用训练好的模型对124个病例的测试图像进行自动评分,并把其评分结果与病理医生的评分结果作比较,进行性能评估。该模型的评分正确率得分为67分,其结果在现有的细胞核异型性评分模型中准确率排名第二。此外,该模型的计算效率也很高,平均在每张×10、×20、×40分辨率下图像的计算时间分别约为1.2、5.5、30 s。研究表明,该细胞核异型性评分模型不仅具有较高的准确性,而且计算效率高,因此具备潜在的临床应用能力。; 周超徐军罗波

全选清除导出

共1页<1>

周超