公开(公告)号：CN118781436A

公开(公告)日：2024-10-15

申请号：CN202411248679.6

申请日：2024-09-06

Applicant: 中南大学

Inventor： 阚世超 ,  靳京 ,  陈映旭 ,  施志鸿

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/77 ,  G06V10/762 ,  G06V10/82 ,  G06N3/045 ,  G06T7/00

Abstract: 本发明公开了一种基于深度学习的病理图像分类方法，包括获取已有的病理图像并预处理构建训练数据集；基于Vision Transformer网络构建病理图像分类初始模型并训练得到病理图像分类模型；采用病理图像分类模型，进行实际的病理图像分类。本发明还公开了一种包括所述基于深度学习的病理图像分类方法的成像方法。本发明基于Vision Transformer网络构建病理图像分类初始模型，并采用该模型进行训练和实际的病理图像分类；因此本发明不仅能够实现病理图像的分类，而且可靠性更高，精确性更好，通用性也更好。

公开(公告)号：CN118781436B

公开(公告)日：2024-11-15

申请号：CN202411248679.6

申请日：2024-09-06

Applicant: 中南大学

Inventor： 阚世超 ,  靳京 ,  陈映旭 ,  施志鸿

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/77 ,  G06V10/762 ,  G06V10/82 ,  G06N3/045 ,  G06T7/00

Abstract: 本发明公开了一种基于深度学习的病理图像分类方法，包括获取已有的病理图像并预处理构建训练数据集；基于Vision Transformer网络构建病理图像分类初始模型并训练得到病理图像分类模型；采用病理图像分类模型，进行实际的病理图像分类。本发明还公开了一种包括所述基于深度学习的病理图像分类方法的成像方法。本发明基于Vision Transformer网络构建病理图像分类初始模型，并采用该模型进行训练和实际的病理图像分类；因此本发明不仅能够实现病理图像的分类，而且可靠性更高，精确性更好，通用性也更好。