摘要
本发明属于计算机视觉领域,具体涉及一种基于双分支协同训练深度网络模型的组织病理学全切片图像分析系统及方法,包括:获取具有图像级别标签的组织病理学全切片图像数据集并进行分块预处理;基于病理基础大模型的分块图像编码;建立基于切片图的双分支协同训练深度网络模型;使用具有图像级别标签的组织病理学全切片样本数据集离线训练网络模型;利用训练好的网络模型对组织病理学全切片图像进行预测,输出全切片图像的分析结果。本发明引入了切片图辅助深度网络模型建模全切片图像之间的相关性,能弥补现有的组织病理学全切片图像分析方法忽视全切片间相关性的不足,提升深度网络模型对组织病理学全切片的分析精度。
技术关键词
深度网络模型
切片
图像分析方法
分支
多实例
图像类别标签
图像分析系统
分块
组织病理学图像
分类器
K近邻
图像分析模块
节点
样本
编码
数据获取模块
系统为您推荐了相关专利信息
抗噪声
注意力
语义特征提取
空间特征提取
点云数据预处理
重载无人机
物资投放方法
输出特征
深度强化学习模型
融合特征
LSTM神经网络模型
试井解释模型
卷积神经网络结构
sigmoid函数
时序
图像实例分割方法
实例分割模型
家畜
注意力
构建训练集