买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥工业大学

摘要：本发明公开了一种基于转换器的肺癌组织病理全切片EGFR状态预测方法，步骤包括：1、获取肺癌组织病理全切片数据集并进行预处理；2、第一阶段，建立并训练能够预测图像块阴阳性的视觉转换器网络模型；3、利用训练好的能够预测图像块阴阳性的视觉转换器网络模型预测数据集中图像块阴阳性类别，筛除阴性图像块，利用阳性图像块生成EGFR突变类型数据集；4、第二阶段，建立并利用生成的EGFR突变类型数据集训练能够预测图像块EGFR突变类型的视觉转换器网络模型；5、利用第一、二阶段训练好的模型完成对全切片EGFR状态的预测。本发明使用两个视觉转换器网络模型构成主干网络，有效降低伪标签的错误率，提高预测的准确度。

主权项：1.一种基于转换器的肺癌组织病理全切片EGFR状态预测方法，其特征在于：具体包括如下步骤：1、根据肺癌组织病理全切片图像获取肺癌组织病理全切片数据集并进行预处理；2、建立并利用步骤1中数据集训练能够预测图像块阴阳性的视觉转换器网络模型；3、利用步骤2建立的能够预测图像块阴阳性的视觉转换器网络模型预测数据集中图像块阴阳性类别，筛除阴性图像块，利用保留下来的阳性图像块生成EGFR突变类型数据集；4、建立并利用步骤3中生成的数据集训练能够预测图像块EGFR突变类型的视觉转换器网络模型；5、利用步骤2和步骤4建立的能够预测图像块阴阳性的视觉转换器网络模型和能够预测图像块EGFR突变类型的视觉转换器网络模型完成对全切片EGFR状态的预测；步骤5所述的利用步骤2和步骤4建立的能够预测图像块阴阳性的视觉转换器网络模型和能够预测图像块EGFR突变类型的视觉转换器网络模型完成对全切片EGFR状态的预测，具体如下：步骤5.1、将肺癌组织病理全切片图像去除空白背景区域并进行分块处理，得到多个图像块，记为序列x1,x2,…,xj,…,xm；步骤5.2、将图像块x1,x2,…,xj,…,xm送入所述的能够预测图像块阴阳性的视觉转换器网络模型，预测图像块阴阳性类别，筛除其中的阴性图像块，得到阳性图像块序列x1,x2,…,xj,…,xn；设定阴阳性分类阈值t，并根据式13计算阳性图像块占比tpos，比较分类阈值t与阳性图像块占比tpos确定全切片的阴阳性分类； 步骤5.3、对于步骤5.2中预测为阳性的全切片进行下一步预测；将全切片阳性图像块x1,x2,…,xj,…,xn输入所述的能够预测图像块EGFR突变类型的视觉转换器网络模型，预测每个图像块对应的EGFR突变类型，根据式14计算n个图像块中每种EGFR状态所占比例egfri，取占比最高的一类为肺癌组织病理全切片的EGFR状态，其中ni为第i种类型的EGFR突变状态对应的图像块的数量，K为所有EGFR突变状态分类；

全文数据：

权利要求：

百度查询： 合肥工业大学 基于转换器的肺癌组织病理全切片EGFR状态预测方法