摘要
一种基于双路径分析框架的脑胶质瘤全切片病理图像智能分析方法,具体包含以下步骤:S1、全切片图像的预处理,利用通道阈值分割算法,将每个全切片图像划分为不同的前景组织区域和背景区域,并将所述前景组织区域切割为若干个固定大小的图像块,再提取每个图像块的特征向量,形成特征聚类;S2、建立动态采样机制,对每个全切片图像的特征聚类利用两阶段注意力网络进行动态多实例学习,最终得到全切片图像的切片级特征表示;S3、将肿瘤微环境空间关系信息定量化,得到的空间关系量化图的特征表示,并将其与所述S2中的切片级特征表示进行拼接,得到最终预测结果。本发明提高了预测的效率和鲁棒性,提高了医疗决策速度和质量。
技术关键词
图像智能分析方法
切片
图像块特征
注意力
代表性图像
阈值分割算法
肿瘤微环境
框架
两阶段
RGB颜色值
多实例
残差神经网络
关系
聚类
动态
机制
饱和度
系统为您推荐了相关专利信息
缺陷检测方法
特征融合网络
YOLO模型
高效多尺度
细粒度特征
协调控制系统
超临界机组
李雅普诺夫函数
残差网络
注意力
自动编码器
入侵检测方法
多头注意力机制
模态分解方法
Softmax函数