公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

基于病理图像的乳腺肿瘤定量化分析: 在乳腺癌诊断与预后过程中，通常由医生通过显微镜观察组织切片中不同的病理标志物对病理等级进行评分。然而人工分析的方式耗时且带有较强的医生主观性，不同医生的诊断结果存在不一致性，这可能会给患者带来严重的“过度治疗”和“治疗不...; 龚磊; 关键词：乳腺癌病理图像细胞分割卷积神经网络

基于Hash编码的遥感图像分类方法: 本发明公开了基于Hash编码的遥感图像分类方法，该方法提出了用Hash自动编码的思想来处理高光谱遥感图像，将遥感图像每个通道分成N*N小块，将每个小块进行Hash处理，生成Hash序列用来表征块的特征，然后将生成的编码进...; 徐军张倩杭仁龙龚磊季卫萍; 文献传递

基于多特征描述的乳腺癌肿瘤病理自动分级被引量：8: 2015年; 为了辅助病理医生快速高效诊断乳腺癌并提供乳腺癌预后信息,提出一种计算机辅助乳腺癌肿瘤病理自动分级方法。该方法使用深度卷积神经网络和滑动窗口自动检测病理图像中的细胞;随后综合运用基于稀疏非负矩阵分解的颜色分离、前景标记的分水岭算法以及椭圆拟合得到每个细胞的轮廓。基于检测到的细胞和拟合出的细胞轮廓,提取出肿瘤的组织结构特征和上皮细胞的纹理形状特征等共203维的特征,运用这些特征训练支持向量机分类器(SVM),实现对病理组织图像自动分级。17位患者的49张H&E染色的乳腺癌病理组织图像自动分级的100次十折交叉检验评估结果表明:基于病理图像的细胞形状特征与组织的空间结构特征对病理图像的高、中、低分化等级分类整体准确率为90.20%;同时对高、中、低各分化等级的区分准确率分别为92.87%、82.88%、93.61%。相比使用单一结构特征或者纹理特征的方法,所提方法具有更高的准确率,能准确地对病理组织图像中肿瘤的高级和低级分化程度自动分级,且各分级之间的准确率差异较小。; 龚磊徐军王冠皓吴建中唐金海; 关键词：乳腺癌

基于深度学习的自适应椭圆拟合细胞自动检测分割方法: 本发明公开了基于深度学习的自适应椭圆拟合细胞自动检测分割方法，首先运用深度学习方法检测出病理图像中的细胞，然后运用主动轮廓模型找到精确的细胞轮廓，最后使用自适应椭圆拟合技术将重叠的细胞轮廓分割出来。本发明以大幅切片图为研...; 徐军龚磊; 文献传递

基于Hash编码的遥感图像分类方法: 本发明公开了基于Hash编码的遥感图像分类方法，该方法提出了用Hash自动编码的思想来处理高光谱遥感图像，将遥感图像每个通道分成N*N小块，将每个小块进行Hash处理，生成Hash序列用来表征块的特征，然后将生成的编码进...; 徐军张倩杭仁龙龚磊季卫萍

全选清除导出

共1页<1>

龚磊