专利名称：基于可变形U型网络的重叠染色体图像分割方法      申请号：201910898595X     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 染色体   相似专利 发布日：2024/11/18  
摘要： 本发明公开了一种基于可变形U型卷积神经网络的重叠染色体分割方法，以进一步改进现有分割技术的精确度问题。实验围绕有丝分裂中期的同一区域的人类染色体图像展开。其步骤为：1）将DAPI和Cy3图像组合成灰度图像，再逐个提取获得46条单独的染色体；2）将46条染色体图像分别作图像增强处理并两两叠加，构建重叠染色体图像库；3）将重叠染色体图像库划分为训练样本集、验证样本集和测试样本集；4）构建可变形U型网络，通过训练样本集完成网络训练，验证样本集对网络评估测试，最后对测试样本集进行重叠染色体分割。本发明利用可变形的U型网络结构提取包括角度、卷曲状态等染色体形态变化在内的各种特征，提高了重叠染色体分割的准确率。

专利名称：基于不确定度校准和区域分解的端到端染色体分割方法      申请号：2023101676256     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：纺织印染 分解 染色体   相似专利 发布日：2024/11/12  
摘要： 本发明公开一种基于不确定度校准和区域分解的端到端染色体分割方法，属于视频识别技术领域。首先对需要进行端到端染色体分割的染色体图片进行预处理：通过迁移学习方法在染色体分类数据集上预训练骨干网络ResNet101提取染色体基本特征；引入不确定度分支输出不确定度学习检测框的可靠性，利用不确定度修正染色体检测框的位置来实现对染色体更加精确的定位，最后利用分解因子将区域生成网络RPN产生的所有建议框RoI分解、自适应融合，减轻重叠染色体分割时产生的语义歧义，最终得到分割更完整的染色体。实现了在数据量较少的情况下有效提取染色体特征；够更好的应对交叉、重叠染色体的漏检和定位不准的问题。

专利名称：基于回归修正的染色体实例分割网络      申请号：2021110295432     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机视觉 染色体   相似专利 发布日：2024/11/12  
摘要： 本发明针对真实染色体数据集中染色体实例分割精度较低等问题提出了一种基于回归修正的染色体实例分割网络，可实现染色体的高精度分割。该网络通过回归分支和掩码分支的输出修正分类置信度，以获得与定位精度和分割精度更高的关联。提出了一种基于掩码的非极大抑制算法，有效防止了染色体的遗漏分割和错误分割。提出了一种K‑IoU损失函数，针对错误分割区域提供更有效、合理的损失。实验结果表明，该方法可有效提升染色体实例分割的精度。

专利名称：基于多尺度特征提取的重叠染色体分割网络      申请号：2020104013326     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：纺织印染 染色体   相似专利 发布日：2024/11/12  
摘要： 本发明针对重叠染色体图像中目标分割区域大小不一且区分不明显等问题，提出一种多尺度的U型卷积神经网络MACS Net。在UNet的最底层，引入多层空洞卷积和同步长池化技术，实现不同大小目标分割区域的检测及特征的提取；UNet编解码器间引入卷积块连接，缓解其语义信息差异。以染色体重叠区域的交并比（IoU）作为评价指标，结果表明，MACS Net在染色体重叠部分的分割IoU达到0.9860，与UNet的0.9593相比，提高了2.78%，且在椒盐、高斯和泊松噪声污染的数据集中，MACS Net分别表现出更为理想的噪声鲁棒性。