申请/专利权人：武汉兰丁智能医学股份有限公司

申请日：2023-11-13

公开（公告）日：2024-03-08

公开（公告）号：CN117670800A

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06V10/26;G06V10/42;G06V10/44;G06V10/80;G06V10/764;G06T7/73;G06V10/82;G06N3/0455

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本申请提供一种基于HE样本的P16和Ki67表达预测方法，扫描全玻片得到宫颈病理数字图像；将图像裁剪成特定大小，裁剪后的图像做染色归一化处理，并利用信息熵阈值判断出空白区域，将空白区域去除；在Swin‑Transformer网络模型中引入特征提取模型用于提取组织图像的局部特征；通过Swin‑Transformer网络模型提取组织图像的全局特征；将局部图像特征与图像全局特征进行融合，再利用融合特征对图像进行阴阳组织图像的分类，得到阴阳分类结果，并记录其在全图的位置；利用AttentionU‑Net将组织图像进行细胞分割，得到所有的细胞图像；利用SVM判读细胞的阴、阳类型，得到P16和Ki67具体的细胞阴阳表达，提高了计算机视觉任务中的模型准确性和性能。

主权项：1.一种基于HE样本的P16和Ki67表达预测方法，其特征在于包括以下步骤：S1、扫描全玻片得到宫颈病理数字图像；S2、将图像裁剪成特定大小，裁剪后的图像做染色归一化处理，并利用信息熵阈值判断出空白区域，将空白区域去除；S3、在Swin-Transformer网络模型中引入用于提取组织图像局部特征的特征提取模型，提取组织图像的局部特征；S4、通过Swin-Transformer网络模型提取组织图像的全局特征；S5、将步骤S3提取的局部图像特征与步骤S4提取的图像全局特征进行融合，再利用融合的特征对图像进行阴阳组织图像的分类，得到阴阳分类结果，并记录其在全图的位置；S6、利用细胞分割模型将步骤S3中的组织图像进行细胞分割，得到所有的细胞图像；S7、利用二分类算法判读步骤S6得到的细胞的阴、阳类型，得到P16和Ki67具体的细胞阴阳表达。

全文数据：

权利要求：

百度查询： 武汉兰丁智能医学股份有限公司 基于HE样本的P16和Ki67表达预测方法

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。

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