【技术实现步骤摘要】
本专利技术涉及深度学习与医学交叉领域，尤其是涉及一种宫颈组织病理全玻片图像多分类方法、系统及装置。
技术介绍
1、宫颈癌是全球女性癌症的第四大原因，每年造成超过30万人死亡。早期发现和诊断宫颈相关疾病可以提供更好的治疗机会，有助于减少患者的痛苦和预防疾病的进一步恶化。宫颈组织病理学诊断是确诊宫颈癌的“金标准”。宫颈组织病理学诊断包括正常或炎性反应、宫颈上皮内瘤变(按轻、中、重分三级：轻度不典型增生(cini)、中度不典型增生(cinⅱ)、重度不典型增生(cinⅲ)和原位癌、浸润癌。临床上，医生通过显微镜观察组织切片中的细胞形态和结构，以确定是否存在异常变化和病理诊断。然而，这种手动的分析方法存在一些问题。首先，宫颈病理学的解释和诊断需要经验丰富的病理学家，这在某些地区可能很难满足需求。其次，由于人为因素和主观判断的存在，切片的解释可能存在一定的变异性。
2、近年来，随着计算机视觉和深度学习的快速发展，利用计算机算法对宫颈组织病理全玻片图像进行分类和诊断成为可能。通过使用深度学习算法，可以对大量的宫颈组织图像进行自动化的分析和...
【技术保护点】
1.一种宫颈组织病理全玻片图像多分类方法，其特征是：包括以下步骤：
2.根据权利要求所述一种宫颈组织病理全玻片图像多分类方法，其特征是：所述步骤S2中，使用特征提取器将切片转化为一系列特征向量X，具体包括：利用特征提取器，将步骤S1中获取的N个切片的全玻片图像patch数据集，转化为一系列特征向量X，X表示为X＝{f1,f2,…fN}，其中fN∈RC是第N个切片的向量，X∈RN×C是通过堆叠全玻片图像中的所有切片向量获得的，然后在切片特征向量序列中添加一个可学习的类别标记；
3.根据权利要求1所述一种宫颈组织病理全玻片图像多分类方法，其特征是：...
【技术特征摘要】
1.一种宫颈组织病理全玻片图像多分类方法，其特征是：包括以下步骤：
2.根据权利要求所述一种宫颈组织病理全玻片图像多分类方法，其特征是：所述步骤s2中，使用特征提取器将切片转化为一系列特征向量x，具体包括：利用特征提取器，将步骤s1中获取的n个切片的全玻片图像patch数据集，转化为一系列特征向量x，x表示为x＝{f1,f2,…fn}，其中fn∈rc是第n个切片的向量，x∈rn×c是通过堆叠全玻片图像中的所有切片向量获得的，然后在切片特征向量序列中添加一个可学习的类别标记；
3.根据权利要求1所述一种宫颈组织病理全玻片图像多分类方法，其特征是：所述步骤s3中，关键切片选择模块patch selector：用于判断指定切片是有用切片还是无用切片，具体包括：
4.根据权利要求1所述一种宫颈组织病理全玻片图像多分类方法，其特征是：所述步骤s3中，无用切片封装模块patch packaging：用于封装为0的无用切片，具体包括：
5.根据权利要求1所述一种宫颈组织病理全玻片图像多分类方法，其特征是：所述步骤s3中，...
【专利技术属性】
技术研发人员：刘娟，王朗，李诚，李荣，严姗，曹得华，庞宝川，郝宗杰，
申请(专利权)人：武汉兰丁智能医学股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。