WIPO logo
Mobile | Deutsch | Español | Français | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Search International and National Patent Collections
World Intellectual Property Organization
Search
 
Browse
 
Translate
 
Options
 
News
 
Login
 
Help
 
Machine translation
1. (WO2018125580) GLAND SEGMENTATION WITH DEEPLY-SUPERVISED MULTI-LEVEL DECONVOLUTION NETWORKS
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2018/125580 International Application No.: PCT/US2017/066227
Publication Date: 05.07.2018 International Filing Date: 13.12.2017
IPC:
G06N 3/02 (2006.01) ,G06N 3/04 (2006.01) ,G06N 3/06 (2006.01) ,G06N 3/08 (2006.01) ,A61K 35/22 (2015.01)
Applicants: KONICA MINOLTA LABORATORY U.S.A., INC.[US/US]; 2855 Campus Drive, Suite 100 San Mateo, California 94403, US
Inventors: ZHU, Jingwen; US
ZHANG, Yongmian; US
Agent: CHEN, Ying; US
Priority Data:
62/441,15630.12.2016US
Title (EN) GLAND SEGMENTATION WITH DEEPLY-SUPERVISED MULTI-LEVEL DECONVOLUTION NETWORKS
(FR) SEGMENTATION DE GLANDE À RÉSEAUX DE DÉCONVOLUTION MULTI-NIVEAUX SUPERVISÉS EN PROFONDEUR
Abstract: front page image
(EN) Pathological analysis needs instance-level labeling on a histologic image with high accurate boundaries required. To this end, embodiments of the present invention provide a deep model that employs the DeepLab basis and the multi-layer deconvolution network basis in a unified model. The model is a deeply supervised network that allows to represent multi-scale and multi-level features. It achieved segmentation on the benchmark dataset at a level of accuracy which is significantly beyond all top ranking methods in the 2015 MICCAI Gland Segmentation Challenge. Moreover, the overall performance of the model surpasses the state-of-the-art Deep Multi-channel Neural Networks published most recently, and the model is structurally much simpler, more computational efficient and weight-lighted to learn.
(FR) La présente invention concerne une analyse pathologique qui nécessite un marquage de niveau d'instance sur une image histologique à limites extrêmement exactes requises. À cet effet, des modes de réalisation de la présente invention concernent un modèle profond qui utilise la base de marquage en profondeur et la base de réseau de déconvolution multi-couches dans un modèle unifié. Le modèle est un réseau supervisé en profondeur qui permet de représenter des caractéristiques multi-niveaux et multi-échelles. L'invention exécute une segmentation sur l'ensemble de données de référence à un niveau d'exactitude qui est significativement au-delà de tous les meilleurs procédés de classement dans le défi de segmentation de glande MICCAI 2015. De plus, le rendement global du modèle dépasse les réseaux neuronaux à plusieurs canaux profonds de l'état de la technique publiés le plus récemment, et le modèle est structurellement beaucoup plus simple, plus efficace en termes de calcul et plus facile à apprendre.
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: English (EN)
Filing Language: English (EN)