基于深度学习的病理细胞图像桌面端检测软件

成果编号：39446

价格：60

完成单位：北京科技大学

单位类别：

完成时间：未填写

成熟程度：试生产阶段

服务产业领域：生物技术与医药

我要对接关注发送消息

发布人：江苏省生产力促进中心科技资源开发与技术转移处在线

发送消息

团队与海南 301 医院合作承担海南省重点研发计划“基于深度学习的宫颈异常细胞图像检测与分类”项目，主要负责采用基于深度学习的计算机视觉技术智能辅助筛查病理细胞图像中的病变细胞，异常细胞检出率为 90%，相应研究成果在阿里云组织的“宫颈癌风险智能诊断”挑战赛中取得前 1%的成绩，并研发相应的图像处理和病患信息管理软件用于临床实际，以提高筛查效率。

85 次浏览分享到

成果介绍

科技计划：

成果形式：

合作方式：技术转让、技术开发、技术入股

参与活动：

专利情况：未申请专利

成果简介

成果概况

创新要点

基于深度学习的计算机视觉技术智能辅助筛查病理细胞图像中的病变细胞，由于病理细胞图像具有分辨率高和尺寸大的特点，且其大多数局部区域内都不含有细胞簇，深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时，经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时，大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长，严重减缓了超大尺寸病理图像分析时的检测速度。本成果针对使用膜式法获得的病理细胞图像，通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞，若出现则进一步使用单阶段的目标检测方法进行分析，从而快速对异常细胞进行精确定位和识别。

主要技术指标

采用目标检测领域的常用评估指标 AP30 作为准确率，在装备 1 台 Nvidia Tesla V100 显卡的工作站上进行实验评估，异常细胞识别准确率为 86%%，推理速度为单张图片耗时 0.048s，该评估方法综合考虑了各阈值下的精确率和召回率以及速度，可更加全面的评估模型的预测结果。

其他说明

具有自主知识产权，研究成果已授权发明专利 1 项。

完成人信息

姓名：对接成功后可查看

所在部门：对接成功后可查看

职务：对接成功后可查看

职称：对接成功后可查看

手机：对接成功后可查看

E-mail：对接成功后可查看

电话：对接成功后可查看

传真：对接成功后可查看

邮编：对接成功后可查看

通讯地址：对接成功后可查看

联系人信息