笑纳科技苏州有限公司专利技术

笑纳科技苏州有限公司共有8项专利

  • 本发明涉及细胞图像采集技术领域,尤其涉及一种细胞图像采集方法及系统,方法包括:确定细胞玻片全局视野,在全局视野中定位均布的若干目标点;在低倍镜下,采用自动对焦方式,确定各目标点最清晰图像所对应的焦距值,并根据目标点对应的焦距值拟合采集玻...
  • 本发明公开了一种基于深度学习和图像处理的显微镜自动对焦方法,利用深度学习技术,通过训练神经网络模型辅助显微镜图像的自动对焦。首先,采集大量显微镜图像,并标注其对应的清晰度信息。然后,利用这些数据对深度学习算法模型进行训练,以建立图像清晰...
  • 本技术提供一种细胞显微图像扫描系统,其包括柜体,所述柜体内设置一显微镜,所述显微镜下方设置一载物台,所述载物台的一侧设置有升降架,还包括至少一个可在所述升降架上移动的玻片仓,所述玻片仓朝向所述载物台的一侧、沿竖直方向设置有若干个用以收容...
  • 本发明公开了一种基于无监督学习用于被遮挡染色体掩膜修复的方法,涉及图像处理技术领域;通过比较染色体重叠遮挡的图像块中每一染色体的掩膜修复后增加的面积大小来确定染色体之间的遮挡关系,若染色体的掩膜经过掩膜修复模型预测后面积变大,则该染色体...
  • 本发明公开了一种同源染色体分割方法,其特征在于,其包括一高召回率网络和一高准确率网络,所述高召回率网络和高准确率网络相互串联或并联以从输入的图像中分割并识别染色体图像,其中所述高召回率网络是进行高召回率训练得到的
  • 本发明提出了一种基于深度度量学习的染色体分类方法,通过设计的三元损失函数,使用
  • 本发明公开了基于大尺寸图像的染色体分割方法,包括训练过程和推理过程,所述推理过程包括以下步骤:按设定的步长取子图;通过分类网络对所述子图进行分类;所述分类网络为密集卷积神经网络,其中的全连接层用可训练的张量回归层替代;通过分割网络对增强...
  • 本发明公开了一种基于条带特征的不同分辨率异常染色体生成网络及方法,其用以在输入人工制造的染色体条带图像以及染色体编号即输出不同分辨率的异常染色体图像,其包括:条带特征提取器,用以从真实染色体图像中提取不同分辨率的染色体条带图像;生成器,...
1