一种基于图卷积神经网络和注意力机制的甲状腺肿瘤分类方法及系统

本发明公开了一种基于图卷积神经网络和注意力机制的甲状腺肿瘤分类方法及系统。方法包括获取甲状腺冰冻切片的全切片图像；利用改进U‑Net分割模型对全切片图像的肿瘤区域进行划分，输出肿瘤区域掩码；利用肿瘤区域掩码得到补丁图像；将补丁图像分离为苏木精图像和伊红染色图像；将苏木精图像输入到改进的ResNet‑50网络中，输出苏木精图像的特征向量编码；将全切片图像对应的图结构数据输入到图卷积注意力分类模型中进行特征提取和分类，确定甲状腺滤泡癌和滤泡性腺瘤的分类结果。本发明通过分析病理图像并结合图神经网络算法提取与甲状腺滤泡癌和滤泡性腺瘤相关的病理特征，有效提升病理诊断效率和准确率，提高手术治疗的精准性。