Noticias y análisis

Mejorar el análisis de imagen médica con las CNN: Análisis de patentes de Lunit, Parte 2

El artículo anterior presentó una patente de Lunit para el análisis de imágenes médicas. La patente examinada aquí también utiliza una red neuronal convolucional (CNN) para identificar el número y la ubicación de células en mitosis.

El artículo anterior presentó una patente de Lunit para el análisis de imágenes médicas. La patente examinada aquí también utiliza una red neuronal convolucional (CNN) para identificar el número y la ubicación de células en mitosis.
Sin embargo, si la patente descrita en el post anterior se relacionaba con la forma de formar modelos CNN para mejorar la precisión, La patente de hoy describe cómo se puede determinar el número y la ubicación de la mitosis utilizando el modelo CNN.Lo es.

La patente.
Ilustración: Mejorar el análisis de imagen médica con las CNN: Análisis de patentes de Lunit, Parte 2
Si hace clic en la imagen, puede ver la patente de registro.
Ilustración: Mejorar el análisis de imagen médica con las CNN: Análisis de patentes de Lunit, Parte 2
En primer lugar, en la primera capa de convolución, la célula entra en la imagen capturada para extraer el mapa característico. 
A continuación, introduzca el mapa característico en la segunda capa de convolución. Mapa de activación de 1a claseVea también el mapa de activación de la clase. Toma. Mapa de activación de 1a claseEs un mapa de las características de las células de la mitosis.
Mapa de activación de 1a claseCuando esto es liberado, Mapa de activación de 1a claseIngrese la capa de salida para realizar la piscina global (con piscina máxima o media, etc.). En este caso, Mapa de activación de 1a claseOrganización Mundial de la Salud Mapa de activación de 2a claseEsto nace.
Mapa de activación de 2a claseSi esto se genera, Mapa de activación de 2a claseAumenta su tamaño. Al pasar por la primera capa de convolución y la segunda capa de convolución, los datos de salida son más pequeños que los datos de entrada iniciales. Cuando pasas las capas primera y segunda de la convolución, la dimensión se encoge. Mapa de activación de 2a claseEs difícil encontrar dónde se encuentran células divisorias similares en los datos de entrada inicial. Por lo tanto, es Mapa de activación de 2a claseEl tamaño de la imagen es el mismo que el tamaño de la primera imagen. Este mapa de activación de clase extendida Mapa de activación de tercera claseLo llamaré.
Mapa de activación de tercera claseSi esto se genera, Mapa de activación de tercera claseEncuentra un área que tenga más que un umbral establecido o valor máximo. El área está representada por colores oscuros en la imagen. Mapa de activación de tercera claseSe puede suponer que la región en la primera imagen de entrada que corresponde a un área con un umbral establecido o un valor máximo es la región en la que se ubican las células de la mitosis. Por lo tanto, es posible determinar la ubicación de la región y cuántas regiones hay, determinar dónde están las células pseudo-división dentro de la primera imagen de entrada y cuántas células pseudo-división están presentes.  

La patente descrita hoy puede ser una descripción general del modelo CNN. Pero... Esta patente especifica cómo se utiliza el modelo CNN para detectar la mitosis.juzgado como es. 

Leer el original coreano

Este artículo del archivo refleja la situación en su fecha de publicación. Contacte con el despacho para analizar su caso.
Consultar sobre este tema ↗Todos los artículos

Su próximo paso en tecnología y propiedad intelectual empieza aquí.