摘要
本发明公开了基于深度神经网络的病理切片诊断筛查分析方法,包括:S1、获取病理切片的数字化图像数据,进行预处理,形成图像数据集;S2、构建三维时空Transformer网络模型,获取时空维度上的特征图像,形成图像特征集;S3、通过迁移学习将在大规模图像数据集上预训练的模型参数迁移至构建的三维时空Transformer网络模型中,对模型进行优化模型;S4、利用标注好的病理切片图像数据集对微调后的模型进行训练;S5、将待诊断筛查的病理切片图像输入训练好的模型,输出诊断结果。本申请实现了快速准确输出诊断结果并可视化展示,提升病理诊断效率与准确性。
技术关键词
筛查分析方法
病理切片图像
深度神经网络
大规模图像数据
超分辨率重建算法
图像特征集
图像配准技术
样本
卷积特征
前馈神经网络
随机梯度下降
多光谱成像技术
时空特征学习
图像数据预处理
多尺度卷积核
通道
输出特征
系统为您推荐了相关专利信息
物联网关设备
地质灾害预警方法
指数
深度学习网络模型
时间段
强化学习算法
统计系统
资源
深度学习模型
深度神经网络模型
棱镜透镜
微棱镜结构
现实眼镜
光学模块
微显示器
预测网络模型
深度神经网络
电磁超材料结构
遗传算法求解
信息编码器