本发明涉及一种基于H&E染色胃癌数字病理图像的EBV状态智能预测方法。充分地利用大量未标记的数字病理切片数据,提高数据的效率和资源利用率,实现输入一张常规的胃癌H&E染色图像,即可输出EBV状态。本发明具有较高的自动化程度和快速性,可以在短时间内生成预测结果,加速临床决策和治疗进程并为临床医生提供更好的决策支持。
一种基于H&E染色胃癌数字病理图像的EBV状态智能预测方法,包括如下步骤:
S1、对胃癌病理切片数字化后对切片预处理成256×256的图像块;
S2、将图像块输入自监督学习网络中,通过对图像块包括旋转、镜像、遮挡的变换,使自监督学习网络对比学习到更广泛和多样化的图像特征;
S3、将训练的自监督学习网络的编码器的权重迁移到基于注意力的多实例分类网络的ResNet50中,对输入的数字病理切片进行EBV状态的预测。
发明人:童同 胡紫薇 陈刚 王健超 吴志达
福州大学(Fuzhou University),简称福大,位于福建省福州市,创建于1958年,是国家“双一流”建设高校,国家“211工程”建设高校,国家教育部、国家国防科技工业局与福建省人民政府共建高校,福建省三所重点建设的高水平大学之一,福建省一流大学建设高校,入选国家建设高水平大学公派研究生项目、教育部首批“卓越工程师教育培养计划”高校、新工科研究与实践项目、数据中国“百校工程”项目、国家“111计划”、“高校国际化示范学院推进计划”、国家级大学生创新创业训练计划、全国首批深化创新创业教育改革示范高校、中国政府奖学金来华留学生接收院校、全国专业学位研究生教育综合改革试点单位、国家集成电路人才培养基地、首批高等学校科技成果转化和技术转移基地、高校国家知识产权信息服务中心。
评价单位:- (-)
评价时间:2023-12-13
综合评价
基于H&E染色胃癌数字病理图像的EBV状态智能预测方法,该方法在H&E染色的数字病理图像上对EBV状态进行预测,有效地缩短了医生的诊断时间。其次,采用基于自监督学习方法,充分地利用未标注数据,提高数据的效率和资源利用率。综上所述,该技术的完整的方案、自适应性和可靠性的优势、与市场需求的契合程度以及应用潜力的市场背景,显示出该技术的潜力和吸引力。然而,在资本化和市场推广过程中,需注意与合作伙伴建立关系、确保产品的稳定性和兼容性、有效的市场营销策略等方面的挑战。通过充分利用相关的数据和趋势分析,可以为该技术的进一步发展提供指导和支持。
查看更多>