一种基于深度学习的葡萄胎切片图像处理方法及装置

发明专利有效专利

申请号：
CN202010825928.9
IPC分类号：G06T7/00;G06T7/62;G06T3/40;G06K9/62;G16H30/40
申请日期：
2020-08-17
申请人：
清华大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度学习的葡萄胎切片图像处理方法及装置
申请号	CN202010825928.9	申请日期	2020-08-17
法律状态	实质审查	申报国家	中国
公开/公告日	2021-01-05	公开/公告号	CN112184618A
优先权	暂无	优先权号	暂无
主分类号	G06T7/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06T 一般的图像数据处理或产生〔6，2006.01〕 G06T7/00 图像分析〔6，2006.01，2017.01〕	IPC分类号	G;0;6;T;7;/;0;0;;;G;0;6;T;7;/;6;2;;;G;0;6;T;3;/;4;0;;;G;0;6;K;9;/;6;2;;;G;1;6;H;3;0;/;4;0查看分类表>
申请人	清华大学	申请人地址	北京市海淀区清华园1号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	清华大学	当前权利人	清华大学
发明人	师丽;朱承泽;王松伟;张小安;曾宪旭;王治忠
代理机构	郑州芝麻知识产权代理事务所（普通合伙）	代理人	李琼

摘要

本发明公开了一种基于深度学习的葡萄胎切片图像处理方法及装置，属于医学影像技术领域中葡萄胎的医学影像检测，用于解决现有技术中葡萄胎临床诊断检测的效率低的问题。本发明通过采集显微镜下的葡萄胎切片扫描图，并将葡萄胎切片扫描图输入水肿网络b‑net、增生网络c‑net，得到葡萄胎切片扫描图的切片水肿分布图、切片增生分布图。本发明通过增生网络、水肿网络可对增生、水肿两种不同的葡萄胎病理特征进行图像处理，分布图将可视化地显示给临床医生，以直观获得切片水肿、增生区域分布情况。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供