本发明涉及医学病理图像处理技术领域，公开了基于结直肠癌病理图像的dMMR胚系突变亚型分类方法及系统。针对胚系突变分类任务中，混杂因素过多且二分类病例组成存在客观差异以及数据量有偏倚的问题，本发明建立了dMMR胚系突变亚型分类网络模型，其...

本发明属于机器视觉技术领域，公开了一种病理样本取材控制方法及装置、设备、存储介质，通过检测病理样本图像中的尺寸参照物，根据尺寸参照物的像素尺寸与实际尺寸计算获得尺寸参照值，以及从病理样本图像中分割出病理样本组织区域和病变区域，然后根据尺...

本发明属于图像处理技术领域，公开了一种病理图像的淋巴结转移检测方法及装置、设备、存储介质，通过预先训练好的分割模型对病理图像进行图像分割获得预测图像，再确定出预测图像中面积最大的转移灶区域，将转移灶区域的最小外接矩形的最大边长作为最长直...

本发明属于人工智能技术领域，公开了一种术中冰冻切片图像识别方法及装置、设备、存储介质，通过利用人工智能识别模型对术中冰冻的切片图像进行识别获得识别结果，该识别结果包括病变区域关于淋巴结转移的定性检测值和定量检测值，根据识别结果对切片图像...

本发明属于医学图像处理技术领域，公开了一种免疫荧光图像分类方法及装置、设备、存储介质，通过应用层级式的自注意力机制，对注意力特征图多次重复执行下采样和特征提取操作，随着每一次下采样，不断缩小特征图的宽和高，增加特征图的通道数，同时网络的...

本发明提出一种基于深度学习的肿瘤病灶区域语义分割方法和系统，本发明提出端到端的网络结构模型，整体结构分为编码层和解码层两部分，在编码层中引入密集连接网络结构块解决网络过深造成梯度弥散问题，在解码层引入特征注意力机制和通道注意力机制精确获...

本发明提出一种基于目标检测的病理切片的质量控制方法和系统。本发明使用的是基于关键点的目标检测算法，就不需要设置候选框，直接输出目标检测框的位置。同时本发明还加入了检测框旋转网络，可以更好地拟合刀痕或者空洞等的位置，从而准确得到空洞，刀痕...

本发明提出一种基于Transformer的自适应医学影像分类方法及系统，包括通过卷积神经网络获取基础的图像特征信息，将图像特征信息传到通道注意力网络结构中，得到加权之后的通道注意力特征图，将通道注意力特征图传到Transformer网络...

本发明提出一种基于病理图像的dMMR亚型分类方法，包括：划分已标注病理图像获得多个已知图像块，构建为数据集，以该数据集对深度学习网络进行训练，获得兴趣区域识别模型；通过该兴趣区域识别模型，获取目标病理图像的目标图像区域；将该目标图像区域...

本发明提出一种基于组织病理图像深度域适应的TMB分类方法，包括：从TCGA数据和已知临床数据中选取已标注病理图像，划分入第一图像集和第二图像集；对该第一图像集的病理图像进行切分，得到多个具有感兴趣区域特征的第一图像块，构建为第一训练数据...

本发明提出一种基于医学影像和病理图像的肿瘤术后生存期预测方法及系统。通过孪生网络结构将医学影像和病理图像融合在一起预测肿瘤术后生存期。使用不同深度的网络结构提取医学影像和病理图像的基础特征，通过信息交互方式将医学影像和病理图像的基础特征...