【技术实现步骤摘要】
本申请涉及图像处理，特别涉及一种基于多尺度病理图像的预后分析方法、系统、设备及介质。
技术介绍
1、随着数字化病理图像技术的迅速发展，计算病理学越来越多的应用于癌症预测、预后分析等临床问题。然而由于病理影像通常具有较大的图像尺寸，难以将传统的机器学习或深度学习算法直接应用于病理图像的处理。而且，病理图像通常包含丰富的语义信息，常规的深度学习算法难以提取不同尺度的图像特征，从而影响模型性能。
2、现有的基于病理图像的癌症患者预后分析通常需要专业医生勾画重要病理组织或和癌症预后相关性较高的重要病理组织，然后将该组织部分病理图像通过卷积神经网络提取图像特征，并将该重要区域的图像特征通过模型后端的网络完成癌症亚型预测、预后分析各种临床任务。除此之外，也有传统方法使用特征提取网络提取不同尺度的病理图像特征，从而获得更为丰富的图像信息，并将多尺度特征通过特征拼接、矩阵乘法等方式实现多尺度特征融合，最后将融合后的图像特征应用于各类临床任务。
3、然而，尽管传统方法已经在癌症诊断、预后分析临床任务中取得了较为理想的性能，但是由于...
【技术保护点】
1.一种基于多尺度病理图像的预后分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多尺度病理图像的预后分析方法，其特征在于，在获取数据集之后，以及将所述数据集中的病理图像划分为不同尺度的超像素之前，还包括：
3.根据权利要求1所述的基于多尺度病理图像的预后分析方法，其特征在于，通过简单线性迭代聚类算法将所述数据集中的病理图像划分为不同尺度的超像素，包括：
4.根据权利要求1所述的基于多尺度病理图像的预后分析方法，其特征在于，分别提取不同尺度的超像素图像特征，并基于不同尺度的超像素分别构建不同尺度病理子图，包括：>
5.根据权利...
【技术特征摘要】
1.一种基于多尺度病理图像的预后分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多尺度病理图像的预后分析方法，其特征在于，在获取数据集之后，以及将所述数据集中的病理图像划分为不同尺度的超像素之前，还包括：
3.根据权利要求1所述的基于多尺度病理图像的预后分析方法，其特征在于，通过简单线性迭代聚类算法将所述数据集中的病理图像划分为不同尺度的超像素，包括：
4.根据权利要求1所述的基于多尺度病理图像的预后分析方法，其特征在于，分别提取不同尺度的超像素图像特征，并基于不同尺度的超像素分别构建不同尺度病理子图，包括：
5.根据权利要求1所述的基于多尺度病理图像的预后分析方法，其特征在于，分割细胞并提取病理切片中的细胞特征，构建细胞子图，包括：
6.根据权利要求1所述的基于多尺度病理图像的预后分析方法，其特...
【专利技术属性】
技术研发人员：李志成，张泽宇，刘亚欧，梁栋，
申请(专利权)人：中国科学院深圳先进技术研究院，
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。