一種基于全卷積回歸網(wǎng)絡的細胞計數(shù)方法
基本信息

| 申請?zhí)?/td> | CN202011152914.1 | 申請日 | - |
| 公開(公告)號 | CN112465745A | 公開(公告)日 | 2021-03-09 |
| 申請公布號 | CN112465745A | 申請公布日 | 2021-03-09 |
| 分類號 | G06T5/30(2006.01)I;G06K9/62(2006.01)I;G06N3/08(2006.01)I;G06T7/00(2017.01)I;G06N3/04(2006.01)I;G06T7/60(2017.01)I | 分類 | 計算;推算;計數(shù); |
| 發(fā)明人 | 康清波;劉振;王宇;石一磊;蘭曉莉;邢東明 | 申請(專利權)人 | 脈得智能科技(無錫)有限公司 |
| 代理機構 | 南京正聯(lián)知識產權代理有限公司 | 代理人 | 陳斐 |
| 地址 | 214062江蘇省無錫市濱湖區(qū)馬山梅梁路88號二樓西 | ||
| 法律狀態(tài) | - | ||
摘要

| 摘要 | 本發(fā)明涉及醫(yī)學圖像技術領域,具體為一種基于全卷積回歸網(wǎng)絡的細胞計數(shù)方法,基于全卷積網(wǎng)絡來完成密度估計,具體操作步驟如下:S1:圖像預處理;S2:模型架構及訓練;S3:多尺度塊輸入及融合。本發(fā)明基于深度學習,設計了一個利用全卷積回歸網(wǎng)絡來解決密度估計問題的CNN模型,解決了細胞計數(shù)問題基于密度估計的方法其圖像特征提取算法性能局限性比較大,精度有限且泛化性能較弱的問題,本發(fā)明引入了DenseNet中的密集連接來加強原始U?Net中的基本構造模塊,可提高U?Net中模型的特征表達能力以及更有效地訓練模型。?? |





