摘要
本发明公开了一种基于肿瘤病理图像的生存预测方法,所述生存预测方法首先利用深度学习和注意力机制获取了肿瘤病理图像的重点区域,并基于肿瘤病理图像的重点区域获取细胞核边界特征、细胞核纹理特征和/或细胞核图结构特征,并通过训练好的机器学习模型进行生存预测。本发明所述生存预测方法在提高针对肿瘤患者生存预测的准确性的同时,还克服了传统深度学习方法具有的可解释性差的缺点。
技术关键词
生存预测方法
图像块
肿瘤
机器学习模型
边界特征
样本
卷积神经网络模型
纹理特征
近邻算法
数据分析模块
曲率特征
注意力
组织
数据获取模块
数据处理模块
图像数据处理
灰度共生矩阵
识别病理
深度学习方法
系统为您推荐了相关专利信息
光栅化技术
地图元素
掩膜
矢量化模型
残差神经网络
三维图像融合方法
影像
图像融合系统
动态
配准算法
抑制神经母细胞瘤
细胞模型
细胞培养基
肿瘤治疗药物
蛋白