摘要
本发明涉及一种基于深度学习的肺癌多病理类型快速筛查系统。针对病理医生短缺、筛查主观性强及误诊、漏诊问题,本发明通过收集肺癌组织病例并转化为全数字切片,经过预处理后,对切片进行病理类型标注与分类。利用现有的预训练先进医疗视觉神经网络切片中的patch进行特征提取,进而基于提取到的病理图像特征利用多层感知机对patch进行分类,实现了肺癌病理类型的自动识别。同时,通过模型概率分布绘制热力图,实现了肿瘤区域的可视化,本发明旨在提高肺癌病理筛查的快速性、规范性和一致性,有效控制病理筛查质量,为肺癌患者的精准治疗提供有力支持。本系统操作简便,准确性高,具有广阔的临床应用前景。
技术关键词
数字切片
肺癌病理
筛查系统
深度学习模型
分类模型训练
数据收集模块
深度学习分类模型
数据可视化
特征提取模块
组织
热力图
标注工具
信息存储单元
特征提取单元
标注系统
裁剪单元
肿瘤