摘要
本发明提出了一种病理切片多标签识别方法、装置及其可读存储介质,具体包括:利用扫描设备记录的对焦点三维坐标数据,通过三次样条插值拟合对焦曲面,基于物镜景深和运动误差确定拟合误差阈值,以最佳焦点间隔划分密度标签;设计含残差卷积模块的神经网络,融合多尺度特征实现双任务联合学习;通过动态阈值后处理算法,根据分类置信度自适应调整分割阈值,提升识别鲁棒性。本发明无需专用硬件,可在通用CPU/GPU部署,显著减少对焦点数量及扫描时间,同时提升分类精度与分割精度,有效平衡扫描效率与图像质量,适用于TCT、HE、IHC等多种病理切片类型。
技术关键词
多标签识别方法
焦点
卷积模块
密度
运动误差
多尺度特征提取
神经网络架构
病理切片扫描仪
可读存储介质
类别划分方法
检测损失
融合多尺度特征
三次样条插值法
动态
景深
后处理算法
物镜
系统为您推荐了相关专利信息
卷积网络模型
卷积模块
三维点云分割方法
动态
多尺度特征
退化模型
天然气管网系统
概率密度函数
表达式
拉普拉斯
换流器
故障识别方法
神经网络模型训练
卷积模块
特高压