一种基于多任务学习模型在组织病理图像中提高胃的非肿瘤性疾病各项指标评估准确率的方法

一种基于多任务学习模型的方法，包括：通过数据准备与预处理步骤，获取并处理胃炎的组织病理图像数据。利用自监督学习预训练的模型进行特征提取，将图像块编码为高维特征向量。构建多任务学习模型，通过全连接层和注意力层模块学习特征表示，并输出各任务的分类结果。使用优化器进行模型训练与优化，通过损失函数加总多任务损失，动态调整模型性能。训练好的模型能够自动化检测与分级胃炎、萎缩、急性活动及肠化等病理指标，输出标准化评估结果，辅助病理诊断。本发明构建了基于自监督学习预训练的多任务深度学习框架，突破了传统单任务建模范式，通过病理指标关联驱动深度学习框架设计，显著提升了胃的非肿瘤性疾病评估的准确性与临床实用性。