摘要
本发明提供了一种基于YOLOv8与互信息自监督学习的免疫组化定量分析方法,包括:结合Ki‑67和PD‑L1构建第一数据集,并利用第一数据集针对YOLOv8进行模型训练,得到YOLOv8预训练模型;采用YOLOv8预训练模型针对病理图像进行细胞检测与切片,得到第一分析数据;构建Ki‑67和PD‑L1的底库数据集,得到第二数据集;针对第二数据集结合Ki‑67和PD‑L1测试数据集进行互信息自监督学习模型训练,得到训练后的互信息自监督学习模型;利用训练后的互信息自监督学习模型针对第一分析数据进行表达状态判定与定量分析,得到免疫组化定量分析数据。本发明采用YOLOv8与互信息自监督学习实现对病理图像的高效自动化分析,降低了人为因素的影响,提高免疫组化定量分析的准确性。
技术关键词
监督学习模型
定量分析方法
定量分析数据
切片
肿瘤
编码器模块
样本分配方法
策略优化模型
编码向量
参数
染色
指标
编码结构
指数
图像分析
系统为您推荐了相关专利信息
图像特征提取模型
病理切片图像
图像特征向量
病理切片扫描装置
图像分析
切片
归一化植被指数
街景
模型构建方法
深度学习模型
病理切片图像
图像检测方法
乳腺
图像检测系统
生成数据集
肿瘤类器官模型
基质支架
细胞系
培养容器
疾病模型动物
家族
生物标志物
蛋白
肿瘤诊断试剂
监测肿瘤发生发展