申请/专利权人：浙江大学

申请日：2023-12-11

公开（公告）日：2024-01-12

公开（公告）号：CN117393043A

主分类号：G16B20/50

分类号：G16B20/50;G16B40/00;G06V10/82;G06V10/26;G06V10/44;G06V10/764;G06N3/0464;G06N3/045;G06N3/0985;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.30#实质审查的生效;2024.01.12#公开

摘要：本发明公开了一种甲状腺乳头状瘤BRAF基因突变检测装置，包括：获取甲状腺乳头状瘤的染色病理切片图像并进行预处理得到预处理图像，利用医疗大模型从预处理图像中分割图像肿瘤区域作为分割掩码通道图；构建包括教师模型和学生模型的学习系统，在教师模型中，预处理图像和分割掩码通道图依次经过通道注意力模块、第一特征提取模块以及第一特征预测模块得到第一预测概率，在学生模型中，预处理图像依次经过第二特征提取模块和第二特征预测模块得到第二预测概率；基于学习系统对学生模型进行基于预训练后教师模型的蒸馏学习以优化学生模型参数；参数优化的学生模型作为BRAF基因突变检测模型用于检测甲状腺乳头状瘤BRAF基因突变情况。

主权项：1.一种甲状腺乳头状瘤BRAF基因突变检测装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，其特征在于，所述一个或多个处理器执行所述可执行代码时，实现以下BRAF基因突变检测步骤：获取甲状腺乳头状瘤的染色病理切片图像并进行预处理得到预处理图像，利用医疗大模型从预处理图像中分割图像肿瘤区域作为分割掩码通道图；构建包括教师模型和学生模型的学习系统，在教师模型中，预处理图像和分割掩码通道图依次经过通道注意力模块、第一特征提取模块以及第一特征预测模块得到BRAF基因是否突变的第一预测概率，在学生模型中，预处理图像依次经过第二特征提取模块和第二特征预测模块得到BRAF基因是否突变的第二预测概率；基于学习系统对学生模型进行基于预训练后教师模型的蒸馏学习以优化学生模型参数，蒸馏学习时采用的总损失包括第一特征提取模块输出第一特征与第二特征提取模块输出第二特征之间的差异损失，第一预测概率与第二预测概率之间的KL散度损失，第二预测概率与真实标签之间的第二分类任务损失；参数优化的学生模型作为BRAF基因突变检测模型用于检测甲状腺乳头状瘤BRAF基因突变情况。

全文数据：

权利要求：

百度查询： 浙江大学 一种甲状腺乳头状瘤BRAF基因突变检测装置

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