-
公开(公告)号：CN116884597A
公开(公告)日：2023-10-13
申请号：CN202310706236.6
申请日：2023-06-14
Applicant: 中国科学院计算技术研究所
IPC: G16H50/20 , G06T7/00 , G06N3/096 , G06N3/0895 , G06N3/045
Abstract: 本发明提出一种基于自监督预训练和多示例学习的H&E病理图像乳腺癌分子分型预测方法。首先采集高分辨率多层级的H&E染色病理图像，并进行切片级弱标注；对病理图像进行分割预处理和patch提取，作为模型的输入；通过基于多尺度蒸馏和多层级重建学习的自监督预训练方法，获得强表征能力和泛化能力的patch级特征编码器；然后基于示例筛选和Transformer的多示例学习得到切片级的分子分型预测结果；最后基于训练的特征编码器和多示例聚合模型对H&E切片进行分子分型预测和热图生成，辅助医生选择高概率蜡块进行IHC评估，从而降低误诊风险。
Search Results
1
records
(took 0.036 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
