摘要
本发明公开了一种基于人工智能的胃癌病理图像自动分类方法及系统,具体涉及胃癌病理图像分类领域,包括S1:基于成像设备组获取胃癌病理图像分类目标集、S2:获取多尺度特征分析模型,对胃癌病理图像分类目标集进行特征提取,获取第一胃癌特征、S3:对第一胃癌特征进行元学习优化,获取第二胃癌特征以及S4:基于第二胃癌特征对胃癌病理图像分类目标集进行分类。一种基于人工智能的胃癌病理图像自动分类方法及系统通过计算特征相似度,提高了对不同类型胃癌病理图像和不同成像设备数据的适应性;通过对抗训练对齐多个特征分析模型的特征分布获取多尺度特征分析模型,提升了系统运行效率。
技术关键词
胃癌病理
图像自动分类方法
自动分类系统
多尺度特征
无监督学习算法
ReLU函数
原始图像数据
多尺度分析模型
设备组
压缩单元
信息输出设备
医学成像设备
系统运行效率
中控方法
分类器参数
输出模块
系统为您推荐了相关专利信息
特征提取器
模态特征
检测解码器
融合特征
动态融合方法
医学图像分割方法
混合损失函数
双分支网络
多尺度特征
样本
融合特征
识别图像块
多尺度特征融合
图像识别模型
图像识别方法
金字塔特征
多尺度特征融合
探测头
特征提取模块
增强子
实木板材
缺陷检测方法
注意力机制
卷积算法
特征空间重构