龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：浙江大学医学院附属邵逸夫医院;上海浙江大学高等研究院
摘要：本发明公开了一种基于图卷积神经网络和注意力机制的甲状腺肿瘤分类方法及系统。方法包括获取甲状腺冰冻切片的全切片图像；利用改进U‑Net分割模型对全切片图像的肿瘤区域进行划分，输出肿瘤区域掩码；利用肿瘤区域掩码得到补丁图像；将补丁图像分离为苏木精图像和伊红染色图像；将苏木精图像输入到改进的ResNet‑50网络中，输出苏木精图像的特征向量编码；将全切片图像对应的图结构数据输入到图卷积注意力分类模型中进行特征提取和分类，确定甲状腺滤泡癌和滤泡性腺瘤的分类结果。本发明通过分析病理图像并结合图神经网络算法提取与甲状腺滤泡癌和滤泡性腺瘤相关的病理特征，有效提升病理诊断效率和准确率，提高手术治疗的精准性。
主权项：1.一种基于图卷积神经网络和注意力机制的甲状腺肿瘤分类方法，其特征在于，包括以下步骤：步骤S1、首先，获取甲状腺冰冻切片的全切片图像WSI，建立全切片图像数据集，包括全切片图像WSI及其对应的肿瘤类型标签；步骤S2、全切片图像WSI经下采样后输入改进U-Net分割模型，以使所述改进U-Net分割模型对所述全切片图像的肿瘤区域进行识别和划分，输出所述全切片图像WSI对应的肿瘤区域掩码；步骤S3、利用肿瘤区域掩码得到全切片图像的肿瘤区域图像，并将全切片图像的肿瘤区域划分为一系列分辨率相同且不重叠的补丁图像；步骤S4、将每个补丁图像输入到色彩标准化-通道分离模块中，经色彩标准化-通道分离模块对所述补丁进行色彩处理后，将补丁图像分离为标准化的苏木精图像和伊红染色图像；步骤S5、将苏木精图像输入到改进的ResNet-50网络中，输出苏木精图像的特征向量编码；步骤S6、使用K-近邻算法将所述全切片图像转换为图结构数据；步骤S7、将所述全切片图像对应的图结构数据输入到图卷积注意力分类模型中进行特征提取和分类，确定甲状腺滤泡癌和滤泡性腺瘤的分类结果。
全文数据：
权利要求：
百度查询： 浙江大学医学院附属邵逸夫医院 上海浙江大学高等研究院 一种基于图卷积神经网络和注意力机制的甲状腺肿瘤分类方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号