一种用于辅助膜性肾病诊断的深度学习病理图像分割方法

本发明提供了一种用于辅助膜性肾病诊断的深度学习病理图像分割方法，属于图像分割分析技术领域。所述深度学习病理图像分割方法具体为：S1.由专业医师对全分辨率的病理图像中的异常组织区域进行手动标注；S2.调整膜性肾病病理图像数据集并进行局部的数据标注；根据专业医师标注异常区域，进行标准化的数据标注；S3.将标注的训练集图像输入SAM网络模型；然后初始化图像编码器，采用提示编码器将异常组织掩码转换为嵌入向量并与图像特征融合，采用掩码解码器生成分割掩码及置信度评分，最终得到肾病病理异常区域分割图。通过对膜性肾病异常组织的多尺度标注，并以当前较为前沿的SAM模型架构对数据集进行微调，使得模型收敛，并到达可观的精度，为膜性肾病病理图像的自动化分析提供了高效、可靠的技术支持。