公开(公告)号：CN118644710A

公开(公告)日：2024-09-13

申请号：CN202410688376.X

申请日：2024-05-30

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 刘念伯 ,  何行广 ,  王晓敏 ,  解天舒 ,  刘明辉 ,  邓佳丽 ,  龚海刚 ,  刘明

IPC: G06V10/764 ,  G06T7/00 ,  G06T3/4038 ,  G06F17/11 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种应用深度学习预测肝内胆管细胞癌分化程度的方法，引入一个将细粒度图像分类方法与课程学习方法相结合的预测肝内胆管癌分化程度的框架，名为FGCNet模型；该模型通过细粒度图像分类方法有效识别CT图像上肝内胆管癌分化程度的细微差异，通过课程学习方法加快训练速度并增强模型泛化能力。本发明提供的模型在测试数据集上的准确度为80.49％，灵敏度为81.25％，特异性为80％，曲线下面积为78.25％；该模型可以无创地评估肝内胆管癌细胞的分化程度，从而成为帮助医生制定肝内胆管癌治疗策略的潜在工具。