细胞分类和计数
康涅克深度学习将细胞类型分开其独特的特征
细胞分类和计数是临床诊断中的关键任务(例如,血液涂片或有丝分裂计数)。许多过程需要准确的初始单元格计数来标准化其基线输入和测量结果。因为细胞的外观可能有所不同,所以机器视觉有时可以努力准确地定位它们,反对混乱的背景或伪影德国必威。靠近在一起的那些细胞也可能难以使机器视觉区分为独立。德国必威
康复深层学习位置工具通过从微观载玻片的注释图像学习来精确地识别细胞。该工具基于其大小,形状和表面特征以及可变特征概括了细胞的正常外观。即使在嘈杂的背景上,自学习算法学会区分在完整和受损的细胞(例如,带有疟疾病毒的人)之间的区分,并提供可靠的计数。分类工具学习为分类不同类型的单元格,通过唯一的特性进行分类,例如尺寸和形状。