买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉云南大学申请的专利一种基于Mask R-CNN的疟疾血涂片细胞检测和分割方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115049613B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210668281.2，技术领域涉及：G06T7/00；该发明授权一种基于Mask R-CNN的疟疾血涂片细胞检测和分割方法是由陈祥;岳昆;吴鑫然;董莹;李劲设计研发完成，并于2022-06-14向国家知识产权局提交的专利申请。

本一种基于Mask R-CNN的疟疾血涂片细胞检测和分割方法在说明书摘要公布了：本发明公开了一种基于MaskR‑CNN的疟疾血涂片细胞检测和分割方法，实现薄血涂片图像中疟原虫及红细胞的检测和分割，包括：采用VoVNet‑57作为主干特征提取网络，以提取更加丰富的薄血涂片图像特征；改进特征金字塔网络结构，充分利用高层特征丰富的细胞分类信息来强化底层特征的表述能力；使用衰减函数对传统非极大值抑制算法进行改进，减少因细胞堆叠导致漏检的情况；重构细胞分类损失函数，改善因细胞类别不均衡导致检测精度不高的问题。本发明提出的方法能有效提升MaskR‑CNN网络模型对薄血涂片图像中细胞检测和分割的精度，为疟疾诊断提供科学依据。

本发明授权一种基于Mask R-CNN的疟疾血涂片细胞检测和分割方法在权利要求书中公布了：1.一种基于Mask R‑CNN的疟疾血涂片细胞检测和分割方法，其特征在于，包括以下步骤： S1：数据预处理，在每张光学显微镜采集的薄血涂片图像上，标注不同种类、不同时期疟原虫和红细胞，对标注后的数据集进行数据增强并统一图像尺寸大小，得到薄血涂片图像训练集； S2：特征提取和处理，构建基于改进的Mask R‑CNN网络模型，对输入的薄血涂片图像进行特征提取和处理； S3：模型训练，将步骤S1中的薄血涂片图像训练集输入步骤S2中的模型，计算损失函数并进行反向传播，迭代更新网络模型的权重； S3.1：损失函数的构建和计算重新构建损失函数，在细胞分类损失函数中加入损失权重和调节因子，降低红细胞对网络参数的贡献，改善细胞类别不均衡导致检测精度不高的情况，重构后的损失函数包括RPN网络中的分类损失和检测框偏移损失、输出分支网络的细胞分类损失、细胞检测框偏移损失和细胞掩码分割损失五个部分： 1RPN网络分类损失，计算公式如下： 3‑1其中，为训练RPN网络时一个mini‑batch中采样细胞候选框的数量；为细胞候选框的索引；为第个细胞候选框的真实标签，当第个细胞候选框含有细胞时，则；当第个细胞候选框不含有细胞时，则；为第个细胞候选框中含有细胞的置信度； 2RPN网络检测框偏移损失，计算公式如下： 3‑2其中，为第个细胞候选框与细胞检测框之间的中心偏移量和长宽缩放量，为第个细胞候选框与细胞真实框之间的中心偏移量和长宽缩放量，为函数，定义如下： 3‑33细胞分类损失，计算公式如下： 3‑4其中，为训练输出分支网络时一个mini‑batch中采样细胞候选框的数量；为细胞类别数；为第类细胞的候选框数量；表示第个细胞候选框为第类细胞的置信度，表示第个细胞候选框的真实标签，时属于第类细胞，时不属于第类细胞；为损失权重，当某类细胞数量较少时，损失权重会相对较大，使模型更加关注数量少的细胞类别；为调节因子，易分类的红细胞置信度接近于1，会接近于0，可降低红细胞对损失函数的影响，根据经验取值为2； 4细胞检测框偏移损失，计算公式如下： 3‑5其中，为第个细胞候选框的真实标签，表示第个细胞候选框与细胞检测框之间的中心偏移量和长宽缩放量，表示第个细胞候选框与细胞真实框之间的中心偏移量和长宽缩放量，为函数； 5细胞分割损失，计算公式如下： 3‑6其中，为细胞掩码分辨率的大小；为细胞掩码中第个像素的真实标签，1时属于第类细胞，时不属于第类细胞；为细胞掩码中第个像素为第类细胞的置信度； 6总体损失是以上RPN网络中的分类损失和检测框偏移损失、输出网络的细胞分类损失、细胞检测框偏移损失以及细胞掩码分割损失五个部分之和，计算公式如下： 3‑7S3.2：网络权重的迭代更新将步骤S1中的薄血涂片图像训练集输入步骤S2中构建的Mask R‑CNN网络模型进行训练，在训练网络模型时，首先加载预训练权重文件，作为网络模型初始化参数，并对FPN基础上增添的右侧连接路径进行随机初始化参数，接着对步骤S3.1中总体损失函数的各参数计算梯度值，采用随机梯度下降算法Stochastic Gradient Descent, SGD迭代更新网络模型的权重参数： 3‑8其中，为当前待更新的权重参数，为学习率且，为总体损失函数关于的梯度，为更新后的参数； S4：疟疾检测，将待检测的薄血涂片图像输入到步骤S3中训练好的模型，进行细胞检测和分割，并计算疟原虫寄生密度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人云南大学，其通讯地址为：650000 云南省昆明市翠湖北路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。