申请/专利权人：武汉兰丁智能医学股份有限公司

申请日：2024-03-07

公开（公告）日：2024-06-21

公开（公告）号：CN118230030A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/44;G06V10/82;G06N3/0464;G06N3/045;G06T7/00;G16H30/00

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：本发明提供一种利用细胞病理图像直接进行宫颈组织病理学分类的方法及系统，包括以下步骤：采集包含组织病理学诊断等级的宫颈细胞病理图像，即WSI；通过欠采样消除数据类别不平衡；对WSI进行剪裁和筛选；将裁剪后的图像Patch进行染色归一化；利用Resnet50模型将归一化后的Patch转换为特征向量；通过Patch分类器对特征向量进行阴阳性二分类，选择阳性概率最大的特征向量作为关键特征向量；对所有Patch的特征向量与关键特征向量计算注意力分数，获得最终WSI表示特征；利用WSI分类器对最终WSI表示特征进行分类得到结果。本发明利用注意力多示例学习，根据宫颈细胞病理图像来预测组织病理等级，有效的减少筛查成本，旨在解决当前宫颈癌筛查过程中医疗资源浪费。

主权项：1.一种利用细胞病理图像直接进行宫颈组织病理学分类的方法，其特征是：包括以下步骤：S1、图像采集：收集已接受过宫颈组织病理学检查并有诊断分级结论的受检人员的同期宫颈细胞病理全玻片图像，根据其组织病理的诊断分级标记WSI的类别：CIN1及以下标签为阴性，CIN2及以上标签为阳性；其中，所述宫颈细胞病理全玻片图像简称WSI；S2、图像类别平衡：通过数据平衡处理消除不同类别之间WSI的数量差异，使不同类别的WSI数量大体相当；S3、图像裁切与筛选：对S2中的每个WSI进行剪裁，并筛选出用于组织病理分类的全部Patch，用每个WSI获得的全部Patch组成的集合表示处理后的WSI，具有和WSI相同的标签；Patch即细胞病理图像切片；S4、染色归一化：对步骤S3所获得的所有Patch进行染色归一化；S5、特征提取：使用深度学习模型提取步骤S4中Patch的特征，将每张Patch转换为一个特征向量；S6、关键特征向量的选择：将步骤S5获得的特征向量输入一个Patch分类器，获得每个Patch为组织病理学阳性的概率。将所有Patch按其概率值进行排序，选择概率最大的patch的特征向量作为为关键特征向量；S7、WSI特征的计算：将一个处理后的WSI所有Patch的特征向量与步骤S6选择的关键特征向量做注意力分数的计算，获得最终WSI的表示特征；S8、WSI的分类：将WSI的表示特征输入给WSI分类器得到其分类结果；通过以上步骤实现宫颈组织病理学分类。

全文数据：

权利要求：

百度查询： 武汉兰丁智能医学股份有限公司 一种利用细胞病理图像直接进行宫颈组织病理学分类的方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD