一种弱监督学习大核卷积ConvNeXt V2模型通用病理诊断方法

本发明公开了一种弱监督学习大核卷积ConvNeXt V2模型通用病理诊断方法、装置、设备和介质。根据本发明提供的技术方案，通过医疗信息系统，获取针对目标患者的数字病理切片图像数据，作为目标图像数据；基于ConvNeXt V2网络架构来构建通用病理诊断模型并进行训练，得到训练后的通用病理诊断模型；将目标图像数据输入训练后的通用病理诊断模型，利用模型进行病理分析，得到对应的分析结果；基于病理分析结果，生成针对目标患者的病理分析报告。通过本发明利用ConvNeXt V2全卷积网络架构和FCMAE全卷积掩码自编码器的结合，显著降低了数据标注的人工成本和依赖性，并适用于十多种器官的多种类型疾病，泛化性强和高鲁棒性，大大突破了现有病理AI技术诊断的壁垒。