收藏本站
我的資料
  購物車 (0)  
親,您的購物車空空的喲~
去購物車結算
   
查看手機網站
其他帳號登錄: 注冊 登錄
北京元亨信科技有限責任公司

咨詢熱線

010-51994498

追求品質,追求卓越

THE PURSUIT OF EXCELLENCE

商城分類
  • 語音識別
  • 語意識別
  • 人臉識別
    識別儀
    攝像頭
    門禁
  • 圖像識別
    攝像頭
    存儲管理
  • AI算法產品
  • 智能機器人成品
  • 智能設備
  • 綜合
  • 智慧工廠
  • 智慧城市
  • 激光掃描
  • 移動推廣
  • 大數據
    數據庫
    服務器
    云計算
    云存儲

計算機視覺中人臉識別技術基于醫學圖像的應用

來源:搜狐網址:http://www.sohu.com/a/113723929_257845 
文章附圖

智能的Gface5人臉識別算法隨著技術不斷的發展以及應用展開了更進一步的深度學習。而我們關注到圖像識別技術在醫學領域正蓬勃發展,例如細胞分類中就會采用相關的識別技術:

一、 時序細胞圖像的跟蹤

該項目的目標為對顯微視頻中的細胞進行自動標記并追蹤記錄其在視頻中每一幀的位置與形態的變化?,F有方法可以分為三大類,動態輪廓模型,統計濾波器與構建細胞特征函數。我們提出的方法為在對顯微視頻每一幀做圖像分割識別細胞區域后再通過構建的細胞特征函數對相鄰幀中的相同細胞進行識別跟蹤。系統流程圖可見Figure 1。

Figure 1細胞追蹤系統流程圖

該細胞追蹤系統可以識別視頻中各類的細胞活動,其中包括細胞分裂,細胞合并,細胞消失與出現等。同時,在保證較高追蹤精度(98%)的情況下,該系統的處理速度明顯快于其他傳統方法。通過該追蹤系統,我們可以快速追蹤時序顯微圖像中細胞的運動軌跡并記錄細胞的形態等相應信息的變化。Figure 2展示了細胞追蹤的結果。系統對細胞進行了標號并用不同顏色的線段記錄了細胞的運(a) (b)

Figure 2細胞追蹤結果

二、 細胞分類細胞分類為顯微圖像研究領域的另一熱點問題。

雖有很多經典方法與理論已被用于解決細胞分類問題,但分類精度仍有提升空間。在此,我們運用深度卷積網絡技術對細胞樣本進行分類。實驗結果表明深度卷積網路能較好的解決細胞樣本分類問題。

Figure 5展示細胞圖像通過全卷積網絡得到的結果。Figure 5 (a)為Nucleolar細胞樣本。全卷積網絡對圖像中每個像素點進行預測。Figure 5 (b)不同顏色代表了不同細胞類別(黃色代表Nucleolar,藍色代表Nuclear membrane)。

(a) (b)

Figure 5細胞樣本分類結果

算法平均準確率
ICPR2014第一名89.93%
我們的算法93.99%


會員登錄
登錄
其他帳號登錄:
我的資料
我的收藏
購物車
0
留言
回到頂部