申请/专利权人：哈尔滨医科大学;西北大学

申请日：2023-10-17

公开（公告）日：2024-01-19

公开（公告）号：CN117423447A

主分类号：G16H50/20

分类号：G16H50/20;G06T7/00;G06T7/73;G06V10/25;G06V10/82;G06T7/62;G06V10/764;G06N3/0464;G06N3/0455;G06N3/08;G06T7/11

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.06#实质审查的生效;2024.01.19#公开

摘要：本申请涉及一种基于深度学习的肺癌WIS气腔播散病理诊断装置，该装置基于检测模型，检测模型包括主肿瘤分割网络和目标检测网络，主肿瘤分割网络包括TCA模块，其中的VisualTransformer可以捕获丰富的上下文信息、Coordinateattention可以捕获位置信息和通道间的关系，因此可以提升WSI分割的性能；模型训练过程中，使用的损失函数会在相同类别中心距离过大或者不同类别中心距离过小时作出惩罚，可以拉近同类之间的特征距离并且拉远不同类之间的特征距离，可以提升模型对STAS的识别度。因此本申请的肺癌WIS气腔播散病理诊断装置可以帮助病理医生更准确的诊断STAS，为医疗工作助力。

主权项：1.一种肺癌WIS气腔播散病理检测模型，其特征在于，包括：主肿瘤分割网络和目标检测网络；所述主肿瘤分割网络包括编码器和解码器，所述编码器包括依次连接的骨干网络、空洞卷积模块、多尺度融合模块、第一卷积层和TCA模块，所述解码器包括第二卷积层、拼接层、第三卷积层、第一上采样层和第二上采样层；待检测图像输入到所述编码器中，依次经过所述骨干网络、所述空洞卷积模块、所述多尺度融合模块、所述第一卷积层和所述TCA模块，得到编码特征；所述骨干网络的输出输入到所述第二卷积层进行卷积操作，得到卷积特征，所述编码特征输入到所述第一上采样层，得到上采样后的特征，所述上采样后的特征和所述卷积特征均输入到所述拼接层进行拼接，得到拼接后的特征；所述拼接后的特征依次输入到所述第三卷积层和所述第二上采样层，得到主肿瘤区域；将所述待检测图像除了所述主肿瘤区域以外的区域输入到所述目标检测网络，得到目标的位置和大小。

全文数据：

权利要求：

百度查询： 哈尔滨医科大学;西北大学 基于深度学习的肺癌WSI气腔播散病理诊断装置

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