摘要
本发明提供一种基于尺度感知多实例学习的肺癌STAS辅助诊断方法及装置。该方法包括:获取患者肺组织的切片图像,并对切片图像进行预处理得到预处理的病理组织图像;将预处理的病理组织图像进行切分,得到包括多个补丁的第一补丁集合,并对第一补丁集合进行图像增强得到第二补丁集合;对第二补丁集合中的每个补丁的特征进行提取,获取向量化表示的特征矩阵;将特征矩阵输入到训练好的SMILE模型中获取预测结果,并基于预测结果辅助诊断患者是否为肺癌STAS,SMILE模型包括缩放感知的注意力机制。本发明通过在SMILE模型中引入缩放感知的注意力机制,增加对权重值较低的补丁的关注,可以提高STAS识别准确率。
技术关键词
辅助诊断方法
补丁
多实例
组织病理学图像
肺癌
注意力机制
辅助诊断装置
融合卷积神经网络
矩阵
切片
图像增强模块
双曲正切函数
GAN模型
网络结构
患者
权重特征
系统为您推荐了相关专利信息
可见光图像
补丁
红外图像特征
跨模态
重识别方法