申请/专利权人：浙江大学滨江研究院

申请日：2023-02-09

公开（公告）日：2023-06-23

公开（公告）号：CN116309333A

主分类号：G06T7/00

分类号：G06T7/00;G06T7/194;G06V10/40;G06V10/764;G06V10/762;G06V10/774;G06V10/25;G06T11/00;G16H70/60;G16H30/40

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.07.11#实质审查的生效;2023.06.23#公开

摘要：本发明公开了一种基于深度学习的WSI图像弱监督病理分析方法，包括:步骤1、对原始WSI图像中的前景区域和背景区域进行阈值分割操作，并以是否存在病变对原始WSI图像进行标签标注，保留前景区域中的图像内容，与对应的原始WSI图像以及对应的标签组成数据集；步骤2、构建用于强化分析WSI图像信息的神经网络，神经网络包括预处理模块，patch划分模块，特征提取与分析模块，注意力模块以及实例聚类模块；步骤3、对神经网络进行训练，获得WSI图像处理模型；步骤4、将待处理的WSI图像输入至WSI图像处理模型中，输出带有病理区域图像强化的WSI图像。本发明还提供一种WSI图像弱监督病理分析装置。本发明方法识别精度高，具有数据有效性、可解释性以及强适应性。

主权项：1.一种基于深度学习的WSI图像弱监督病理分析方法，其特征在于，包括：步骤1、对原始WSI图像中的前景区域和背景区域进行阈值分割操作，并以是否存在病变对原始WSI图像进行标签标注，保留所述前景区域中的图像内容，与对应的原始WSI图像以及对应的标签组成数据集；步骤2、构建用于强化分析WSI图像信息的神经网络，所述神经网络包括预处理模块，patch划分模块，特征提取与分析模块，注意力模块以及实例聚类模块，所述预处理模块用于对输入的WSI图像进行阈值分割操作，输出仅包含前景区域的WSI图像，所述patch划分模块用于将前景区域的WSI图像进行特定尺度的拆分，输出对应的patch尺度图像，所述特征提取与分析模块用于提取的patch尺度图像的图像特征，并转换为特征向量，所述注意力模块用于对输入的特征向量进行注意力操作，并将注意力操作结果作为输入WSI图像中各区域的权重分数，所述实例聚类模块用于对特征向量进行聚类分类，并根据对应区域的权重分数进行图像强化，以输出带有局部图像强化的WSI图像，所述图像强化区域为权重分数最高的区域；步骤3、纳入经过步骤1处理后的数据集，对步骤2的神经网络进行训练，获得用于强化分析WSI图像信息的WSI图像处理模型；步骤4、将待处理的WSI图像输入至步骤3训练获得的WSI图像处理模型中，经分析计算，输出带有病理区域图像强化的WSI图像。

全文数据：

权利要求：

百度查询： 浙江大学滨江研究院 一种基于深度学习的WSI图像弱监督病理分析方法及装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD