-
公开(公告)号:CN119107281A
公开(公告)日:2024-12-10
申请号:CN202411013208.7
申请日:2024-07-26
Applicant: 复旦大学
IPC: G06T7/00 , G06T7/11 , G06T7/194 , G06T3/4038 , G06V10/762 , G06V10/774 , G06V10/82 , G16H30/40
Abstract: 一种基于双路径分析框架的脑胶质瘤全切片病理图像智能分析方法,具体包含以下步骤:S1、全切片图像的预处理,利用通道阈值分割算法,将每个全切片图像划分为不同的前景组织区域和背景区域,并将所述前景组织区域切割为若干个固定大小的图像块,再提取每个图像块的特征向量,形成特征聚类;S2、建立动态采样机制,对每个全切片图像的特征聚类利用两阶段注意力网络进行动态多实例学习,最终得到全切片图像的切片级特征表示;S3、将肿瘤微环境空间关系信息定量化,得到的空间关系量化图的特征表示,并将其与所述S2中的切片级特征表示进行拼接,得到最终预测结果。本发明提高了预测的效率和鲁棒性,提高了医疗决策速度和质量。
-
公开(公告)号:CN117894469A
公开(公告)日:2024-04-16
申请号:CN202311577119.0
申请日:2023-11-23
Applicant: 复旦大学附属华山医院
IPC: G16H50/50 , G16H70/60 , G16H30/00 , G06T7/00 , G06T7/11 , G06T7/136 , G06T7/90 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/776
Abstract: 本发明公开了一种基于全切片病理图像的垂体腺瘤复发预测模型构建方法及预测系统。本发明预测模型首先在1倍放大倍数上对全切片病理图像进行二值化处理分割出待分析的组织区域和无关的背景区域,而后在20倍放大倍数上从组织区域中无重叠地提取图像块集合。为去除冗余图像块从而进一步提升网络模型性能,对图像块集合进行聚类,并选择类中心图像块输入网络。最后,建立基于聚类注意力的多实例分类模型预测垂体神经内分泌肿瘤复发,并通过模型中聚类图像块注意力分数的可视化对全切片病理图像进行可解释性分析。本发明预测模型不仅具有较高的复发预测精度,且整个过程由计算机自动完成无需人工干预,可用于临床中垂体神经内分泌肿瘤复发预测。
-