一种基于深度学习的病理图像批次效应优化方法及系统

本发明公开了一种基于深度学习的病理图像批次效应优化方法及系统，该方法包括：获取病理样本图像并进行图像预处理，得到待处理的多中心病理图像数据；引入批次鉴别器训练模块与批次对抗模块，构建批次效应优化神经网络模型；基于批次效应优化神经网络模型对待处理的多中心病理图像数据进行病理图像批次效应优化处理，得到优化后的多中心病理图像数据。通过使用本发明，能够减弱多中心病理图像数据的批次效应，进而提高模型对多个中心数据的适应性和预测准确性。本发明作为一种基于深度学习的病理图像批次效应优化方法及系统，可广泛应用于图像识别技术领域。