申请/专利权人:数据空间研究院
申请日:2023-10-17
公开(公告)日:2023-12-15
公开(公告)号:CN117237328A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/44;G06T7/11;G06V10/82;G06N3/04;G06V10/26
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.02#实质审查的生效;2023.12.15#公开
摘要:本发明公开了一种基于数字化病理切片的膀胱癌TNM分期方法及系统,涉及医学图像处理技术领域,方法为:识别膀胱癌病理切片图像的组织区域;对ResNet‑50模型进行预训练,使得ResNet‑50模型具备膀胱癌病理切片图像的特征提取能力;将膀胱癌病理切片图像的组织区域分割成若干个图块;利用经过预训练的ResNet‑50模型对分割的各个图块进行特征提取,得到各个图块特征,根据各个图块特征得到膀胱癌病理切片特征;根据膀胱癌病理切片特征,对膀胱癌的TNM分期进行预测。本发明能够解决现有膀胱癌TNM分期方法存在的主观性、人工标注困难和耗时等问题,从而实现更准确、更一致和更高效的膀胱癌TNM分期。
主权项:1.一种基于数字化病理切片的膀胱癌TNM分期方法,其特征在于,包括以下步骤:S1,识别膀胱癌病理切片图像的组织区域;S2,对深度学习模型进行预训练,使得深度学习模型具备病理切片图像的特征提取能力;S3,将膀胱癌病理切片图像的组织区域分割成若干个图块;S4,利用经过预训练的深度学习模型对分割的各个图块进行特征提取,得到各个图块特征,根据各个图块特征得到膀胱癌病理切片特征;S5,根据膀胱癌病理切片特征,对膀胱癌的TNM分期进行预测。
全文数据:
权利要求:
百度查询: 数据空间研究院 一种基于数字化病理切片的膀胱癌TNM分期方法及系统
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。