公开(公告)号：CN117036782A

公开(公告)日：2023-11-10

申请号：CN202310883091.7

申请日：2023-07-18

Applicant: 西安交通大学

Inventor： 李钟毓 ,  杨子奇 ,  王星光 ,  李超群 ,  祝继华

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/70 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于非对称训练的病理组织图像亚型分类与注释方法，包括：获取待分类的病理组织图像数据，对待分类的病理组织图像数据进行预处理，得到新的数据集；构建基于CNN和Deep GCN的非对称协同训练框架深度学习模型，然后进行训练，得到分类效果最好的深度学习模型；Deep GCN采用残差/密集连接构建；将新的数据集输入到分类效果最好的深度学习模型中，输出病理组织图像的癌症亚型所属分类，得到病理数据的补丁图像所属癌症亚型分类结果。本发明能实现像素级和细胞级特征的综合利用，可提高多类组织病理学图像分类的性能和注释区域的可解释性，分类性能更高，可解释性更强，泛化性更好。