【技术实现步骤摘要】
本专利技术涉及临床支持系统、用于识别包含多个细胞的图像中的细胞类型的计算机实现的方法以及用于训练深度学习神经网络模型的计算机实现的方法。还设想了本专利技术的其他方面。
技术介绍
1、数字血液学是经常需要能够检测例如切片图像中不寻常细胞的存在的领域。在形态学上，不寻常细胞与正常细胞可能只有非常细微的不同，这种细微的不同需要由有经验的临床医生仔细检查才能识别。最近，由于诸如机器学习等复杂的基于人工智能的技术的问世，细胞的自动识别已变得更加容易了。此类技术能够参数化和“学习”隐藏的形态或几何特征，这些特征不一定对应于容易可视化的特征。
2、对于临床医生来说，全面了解存在的细胞种类以及关于细胞类型的易于理解的信息是很有用的。例如，对于临床医生来说，理解关于存在的不寻常细胞的一些基本信息可能很有用，即使那些细胞可能无法使用模型进行分类(例如，因为它们是训练数据不足的稀有细胞类型)。目前，分类器是这样构造的，使得其输出是类别的形式，在没有训练数据的不寻常细胞的情况下，该类别无法为临床医生提供任何他们能够根据其做出诊断或其他相关决策的信息
3、本文档来自技高网...
【技术保护点】
1.一种临床支持系统，其包括：处理器，以及显示组件，其中：
2.根据权利要求1所述的临床支持系统，其中：
3.根据权利要求2所述的临床支持系统，其中：
4.根据权利要求1至3中任一项所述的临床支持系统，其中：
5.根据权利要求1至4中任一项所述的临床支持系统，其进一步包括：
6.根据权利要求5所述的临床支持系统，其进一步包括：
7.一种生成用于识别细胞类型的经训练的深度学习神经网络模型的计算机实现的方法，所述计算机实现的方法包括：
8.根据权利要求7所述的计算机实现的方法，其中：>
9.根据权利...
【技术特征摘要】
1.一种临床支持系统，其包括：处理器，以及显示组件，其中：
2.根据权利要求1所述的临床支持系统，其中：
3.根据权利要求2所述的临床支持系统，其中：
4.根据权利要求1至3中任一项所述的临床支持系统，其中：
5.根据权利要求1至4中任一项所述的临床支持系统，其进一步包括：
6.根据权利要求5所述的临床支持系统，其进一步包括：
7.一种生成用于识别细胞类型的经训练的深度学习神经网络模型的计算机实现的方法，所述计算机实现的方法包括：
8.根据权利要求7所述的计算机实现的方法，其中：
9.根据权利要求7或权利要求8所...
【专利技术属性】
技术研发人员：N·勃鲁盖尔，P·康威，JG·胡根戴克，P·瓦洛顿，
申请(专利权)人：豪夫迈·罗氏有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。