无标记单细胞二维光散射成像模态扩增方法及系统

AITNT
正文
推荐专利
无标记单细胞二维光散射成像模态扩增方法及系统
申请号:CN202510184746
申请日期:2025-02-19
公开号:CN120182965A
公开日期:2025-06-20
类型:发明专利
摘要
本发明属于单细胞成像和分析技术领域,提供了一种无标记单细胞二维光散射成像模态扩增方法及系统。本方法通过获取无标记单细胞的二维光散射图像,对所述二维光散射图像进行预处理;根据所提出的融合条件对抗损失LcGAN、L1距离损失LL1和基于VGG网络的感知损失的一种新的成像模态扩增模型,利用处理后的光散射图像生成对应的单细胞明场图像和荧光图像,实现单细胞多模态图像的扩增;对所述单细胞二维光散射图像及相应的明场图像以及荧光图像进行多模态融合和分类识别,提高了癌症单细胞分析准确度;本发明能够根据无标记单细胞二维光散射图像生成相应的单细胞明场图像和荧光图像,特别适用于癌细胞的诊断和分类,有助于推动生物医学研究和临床应用。
技术关键词
扩增方法 扩增系统 散射成像 深度学习模型 生成对抗网络模型 标记 解码器 多模态 光束整形组件 成像单元 编码器 单细胞分析 VGG网络 荧光 图像采集设备 检测芯片 分类方法 激光光源 处理单元
系统为您推荐了相关专利信息
1
电力应急会商环境下的语音识别模型的获取方法、语音识别方法、装置、设备、存储介质和程序产品
样本 语音识别模型 事件特征 音频特征 多模态特征
2
一种改善PCB微钻排屑的生产工艺方法
钻孔参数 切削力 实时数据 ARIMA模型 自动标记
3
一种圆盘轨道刀库及其换刀方法
刀具磨损预测模型 刀库换刀方法 换刀装置 数控机床主轴 伺服驱动电机
4
一种基于深度学习模型的时间序列预测方法
时间序列预测方法 深度学习模型 深度学习神经网络 注意力机制 文本特征向量
5
一种基于自注意力机制的深度学习小样本增量迭代训练的金属疲劳寿命预测方法及系统
注意力机制 浅层神经网络 数据 模型训练模块 疲劳寿命预测系统
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号