基于深度学习的宫颈免疫组化病变分级方法、系统及设备

本发明提供一种基于深度学习的宫颈免疫组化病变分级方法、系统及设备，涉及深度学习与医学交叉领域。通过数据采集与预处理，获得宫颈免疫组化切片的数字图像，获取RGB矩阵和对应的图像数据，并通过深度学习获取对应的数据特征，再通过Transformer模型进行融合；构建参考特征库，并预设不同CIN级别的误差阈值；计算每个子区域中，输入样本与对应参考特征之间的总误差，确定每个子区域的病变级别，进行评估，获得当前待分级区域的分级结果。通过引入RGB图像特征、图像空间特征等多种模态信息，结合动态注意力机制与多尺度误差评估策略，实现了对宫颈病变的自动化、精细化分级。