【技术实现步骤摘要】
本专利技术涉及医学数据处理，具体是涉及一种基于自监督学习的wsi重着色方法。
技术介绍
1、计算病理学随着高精度显微镜切片扫描仪的专利技术和深度神经网络的发展而变得越来越流行。它旨在显微层次上客观地定量评估疾病微环境，并最终实现精准医学，包含疾病诊断，治疗反应等。尽管cnn模型在各种计算病理学应用中表现出色，大多数模型仍然受到颜色不一致问题的困扰。这是由切片过程中不一致的组织厚度、不同染料制造商、不同的切片协议等原因造成的。此外，使用不同扫描仪进行扫描也可能导致颜色不一致问题，这会影响基于学习的模型的泛化性能，特别是在将其应用于来自不同机构的数据时。这就是为什么在模型训练之前，颜色规范化始终是必不可少的预处理步骤。
2、近年来，已经出现了vahadane、reinhard、stst等一系列用于染色归一化的方法。然而，大多数这些方法在实践中缺乏灵活性，同时这些方法需要同时输入参考图像与原始图像，无法重复利用参考图像的颜色信息，使得效率不高。为了解决上述问题，名为restainnet的模型将染色归一化定义为数字重新染色过程，学习...
【技术保护点】
1.一种基于自监督学习的WSI重着色方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于自监督学习的WSI重着色方法，其特征在于，步骤S1具体包括以下步骤：
3.根据权利要求1所述的一种基于自监督学习的WSI重着色方法，其特征在于，所述获取图像块的不同视角对应图像块，包含：
4.根据权利要求3所述的一种基于自监督学习的WSI重着色方法，其特征在于，所述在苏木精和伊红色彩空间进行数据增强得到的图像块Ia1,Ia2,…是为了与原始图像块组成数据增强样本对，具体步骤为：
5.根据权利要求1所述的一种基于自监督学习...
【技术特征摘要】
1.一种基于自监督学习的wsi重着色方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于自监督学习的wsi重着色方法，其特征在于，步骤s1具体包括以下步骤：
3.根据权利要求1所述的一种基于自监督学习的wsi重着色方法，其特征在于，所述获取图像块的不同视角对应图像块，包含：
4.根据权利要求3所述的一种基于自监督学习的wsi重着色方法，其特征在于，所述在苏木精和伊红色彩空间进行数据增强得到的图像块ia1,ia2,…是为了与原始图像块组成数据增强样本对，具体步骤为：
5.根据权利要求1所述的一种基于自监督学习的wsi重着色方法，其特征在于，所述双路重着色网络包括颜色通路和结构通路。
6.根据权利要求5所述的一种基于自监督学习的wsi重着色方法，其特征在于，所述颜色通路是根据图像i通过两个特征提取网...
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。