申请/专利权人:南京大学;南京鼓楼医院
申请日:2022-07-29
公开(公告)日:2022-11-01
公开(公告)号:CN115272238A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/774;G06V10/82;G06V10/80;G06T3/40;G06N3/04;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.11.18#实质审查的生效;2022.11.01#公开
摘要:本发明公开了一种基于深度学习的CT图像和WSI图像联合识别方法,其步骤是:1WSI图像的归一化;2进行无监督的训练以初始化网络结构;3对初始化后的网络进行有监督的训练;4分别得到的WSI图像和CT图像的特征后进行特征拼接;5完成网络的训练,进行CT图像和WSI图像的协助识别。识别结果为患病则标记为阳性,否则标记为阴性。本发明方法充分利用CT图像特点和WSI图像特征,采用深度学习思想,运用较少的训练数据即可获得对患者的识别;本发明方法易于理解、计算开销小、算法迭代速度快,适用于海量患者的自动识别,具有良好的扩展性和鲁棒性。
主权项:1.一种基于深度学习的CT图像和WSI图像联合识别方法,其特征在于,所述识别方法包括步骤如下:1读取腹腔WSI图像,对所述腹腔WSI图像进行归一化预处理,并且获取CT图像;用于去除颜色变化是由染色厂商的原材料和制造技术的差异、实验室的染色协议以及数字扫描仪的颜色响应引起的差异;2按照设定比例将WSI图像和CT图像划分为训练集和测试集,并将训练集分别传入架构好的网络进行无监督的训练以初始化网络结构;3对初始化后的网络进行有监督的训练;4分别得到的WSI图像和CT图像的特征后进行特征拼接;5完成网络的训练,进行CT图像和WSI图像的识别。
全文数据:
权利要求:
百度查询: 南京大学;南京鼓楼医院 一种基于深度学习的CT图像和WSI图像联合识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。