申请/专利权人:湖南大学
申请日:2023-12-20
公开(公告)日:2024-04-30
公开(公告)号:CN117953270A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/44;G06V10/26;G06V10/82;G06T7/00;G06N3/0464;G06N3/0499;G06N3/0455;G06N3/045;G06N3/08;G06N3/0895
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.17#实质审查的生效;2024.04.30#公开
摘要:本申请涉及人工智能技术领域,公开一种癌症分子亚型分类方法、模型训练方法、设备及介质。癌症分子亚型分类方法包括:获取全玻片图像;对全玻片图像进行分割处理,得到多个图像块;利用预训练的对比学习模型,对图像块进行特征对比学习,生成第一特征向量、第二特征向量、第三特征向量和锚点向量;利用预训练的分类模型,对第一特征向量、第二特征向量和第三特征向量进行稀疏注意力计算操作和卷积操作,生成预测结果;依据预测结果,对全玻片图像进行癌症分子亚型分类。本申请实施例可以提高深度学习模型对于数字病理图像的分类能力,提高临床实践中指导癌症患者的靶向治疗的有效性。
主权项:1.一种癌症分子亚型分类方法,其特征在于,包括:获取全玻片图像;对所述全玻片图像进行分割处理,得到多个图像块;利用预训练的对比学习模型,对所述图像块进行特征对比学习,生成第一特征向量、第二特征向量、第三特征向量和锚点向量;所述第一特征向量、所述第二特征向量和所述锚点向量为沿不同的视图方向对所述图像块进行特征提取处理得到的特征向量,所述第三特征向量为从预设特征向量集选取的与所述锚点向量最相似的特征向量;利用预训练的分类模型,对所述第一特征向量、所述第二特征向量和所述第三特征向量进行稀疏注意力计算操作和卷积操作,生成预测结果;所述预测结果包含所述图像块的位置信息和关键特征信息;依据所述预测结果,对所述全玻片图像进行癌症分子亚型分类。
全文数据:
权利要求:
百度查询: 湖南大学 癌症分子亚型分类方法、模型训练方法、设备及介质
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。