[发明专利]一种基于深度学习的细胞图像分析方法在审
| 申请号： | 201910758331.4 | 申请日： | 2019-08-16 |
| 公开（公告）号： | CN110472581A | 公开（公告）日： | 2019-11-19 |
| 发明（设计）人： | 李万春;王敏;李改有;许宸章;郭昱宁 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04 |
| 代理公司： | 51232 成都点睛专利代理事务所(普通合伙) | 代理人： | 孙一峰<国际申请>=<国际公布>=<进入 |
| 地址： | 611731 四川省*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于深度学习的细胞图像分析方法，包括以下步骤：步骤S1：构建细胞图像的参考标准数据集；步骤S2：构建细胞图像分析模型；步骤S3：构建细胞图像样本数据集；步骤S4：更新细胞图像参考标准数据集；步骤S5：优化细胞图像分析模型；步骤S6：更新细胞图像样本数据集。其优点在于，使用模型对细胞图像原始数据进行细胞的分类检测，生成细胞图像样本数据集；再通过细胞图像参考标准数据集的更新，对数据集和模型进行迭代训练，提高细胞图像样本数据集的分类检测准确率；有效提高细胞图像数据集的构建效率，解决实际应用中构建细胞图像数据集工作量大，工作时间过长的问题。 | ||
| 搜索关键词： | 细胞图像 数据集 构建 样本数据 细胞图像分析 参考标准 分类检测 更新 迭代训练 原始数据 准确率 工作量 细胞 应用 优化 学习 | ||
【主权项】：
1.一种基于深度学习的细胞图像分析方法，其特征在于，包括以下步骤：/n步骤S1：构建细胞图像的参考标准数据集/n在N张细胞图像中任意选取n张细胞图像，并对选取得到的n张细胞图像进行人工标注，n<N，使用标注后的细胞图像构建参考标准数据集；/n步骤S2：构建细胞图像分析模型/n利用基于深度学习的卷积神经网络，构建出细胞图像分析模型(含分类，分割模型)，并采用步骤S1构建的参考标准数据集对细胞图像分析模型进行训练；/n步骤S3：构建细胞图像样本数据集/n采用经所述步骤S2学习训练后的细胞图像分析模型对剩余的细胞图像数据进行分类识别及分割，构建细胞图像样本数据集。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910758331.4/，转载请声明来源钻瓜专利网。
