摘要
本发明公开了一种融合时序图像分析的细胞形态动态监测方法及系统,该方法先获取细胞在多个连续时间点的时序图像序列,提取包含细胞形态、大小、纹理等的初始特征向量集合;将其输入时序图像多聚焦融合模型得到融合特征向量,经维度变换与特征筛选形成精炼特征向量;再输入改进的长短期记忆网络学习细胞状态演变模式,确定细胞各时间点状态、生成变化轨迹并预测未来状态。系统包含图像获取及初始特征提取、时序图像多聚焦融合、维度变换与特征筛选、改进的长短期记忆网络、细胞状态确定、细胞状态预测六个单元,各单元依次连接,通过融合模型关联不同时间点图像特征,结合细胞参数优化网络,实现对细胞形态动态变化的精准监测。
技术关键词
长短期记忆网络
记忆单元
动态监测方法
脂肪
转移概率矩阵
时序
协方差矩阵
图像分析
特征值
形态
特征提取单元
序列
轨迹
网络单元
动态监测系统
动态变化特征
图像特征向量
路径规划算法
系统为您推荐了相关专利信息
航班延误预测方法
拥堵指数
三维卷积神经网络
长短期记忆网络
表达式
卷积神经网络深度学习模型
风险预测方法
风险预测模型
图像增强
CT数据集
海岛
依赖关系信息
长短期记忆网络
新能源出力预测
注意力机制
优化运行参数
建筑设备系统
建筑能耗预测
建筑信息模型
长短期记忆网络
卷积神经网络模型
长短期记忆网络
核心
故障类别
分析方法