一种基于全病理切片图像的任务无关的特征学习方法

本发明公开了一种基于全病理切片图像的任务无关的特征学习方法，包括以下步骤：对全切片病理图像进行预处理，提取肿瘤及肿瘤浸润淋巴细胞区域的多尺度特征；构建任务无关特征学习器，通过神经架构搜索自动优化网络结构，采用Gumbel‑Softmax重参数化技术进行架构参数更新；通过任务级元学习算法，联合优化网络权重与架构参数，提取跨任务可重用特征；通过少量任务特定微调，适应未见临床任务并验证模型性能。本发明采用上述一种基于全病理切片图像的任务无关的特征学习方法，首次将元学习应用于病理图像分析，通过自动化架构搜索与特征解耦，显著提升了模型对未知任务的泛化能力，为临床诊断与预后分析提供了高效可扩展的技术支持。