公开(公告)号：CN116152574B

公开(公告)日：2023-06-30

申请号：CN202310403684.9

申请日：2023-04-17

Applicant: 厦门大学

Inventor： 黄和龙 ,  王连生

IPC: G06V10/764 ,  G06V10/26 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多阶段信息抽取和记忆的病理图像分类方法，包括以下步骤：S1、将病理图像分割出细胞核；S2、利用自然图像预训练权重对细胞核进行特征提取；S3、利用K近邻算法生成细胞核间边连接，将病理图像建模成一张细胞图数据；S4、对细胞图进行卷积，利用TopK抽取代表节点构成新细胞图；S5、将每一阶段细胞图利用LSTM进行记忆学习，将最终细胞图池化进行病理图像分类；该方法可有效解决图神经网络学习过程中存在的信息冗余问题，同时通过利用LSTM进行记忆学习，使得深层次网络也可以保留浅层次信息，有效提高了对病理图像分类的性能，分类准确性高。

公开(公告)号：CN116152574A

公开(公告)日：2023-05-23

申请号：CN202310403684.9

申请日：2023-04-17

Applicant: 厦门大学

Inventor： 黄和龙 ,  王连生

IPC: G06V10/764 ,  G06V10/26 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多阶段信息抽取和记忆的病理图像分类方法，包括以下步骤：S1、将病理图像分割出细胞核；S2、利用自然图像预训练权重对细胞核进行特征提取；S3、利用K近邻算法生成细胞核间边连接，将病理图像建模成一张细胞图数据；S4、对细胞图进行卷积，利用TopK抽取代表节点构成新细胞图；S5、将每一阶段细胞图利用LSTM进行记忆学习，将最终细胞图池化进行病理图像分类；该方法可有效解决图神经网络学习过程中存在的信息冗余问题，同时通过利用LSTM进行记忆学习，使得深层次网络也可以保留浅层次信息，有效提高了对病理图像分类的性能，分类准确性高。

公开(公告)号：CN115984237A

公开(公告)日：2023-04-18

申请号：CN202310058534.9

申请日：2023-01-18

Applicant: 厦门大学

Inventor： 王连生 ,  黄和龙

IPC: G06T7/00 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/08 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明公开了一种基于细胞及多尺度组织信息交互的病理图像分类方法，包括以下步骤：S1、将病理图像分割出细胞核和不同尺度的组织块；S2、对细胞核和组织块进行特征提取；S3、利用K近邻算法生成细胞核和组织块边的连接关系，将一张病理图像建模成为一张细胞图和三个不同尺度的组织图；S4、构建多尺度细胞图和特征图信息交互模型，细胞图进行卷积，组织图进行注意力交互；S5、将交互学习后的组织特征结合细胞特征，进行病理图像分类；该方法可解决不同数据集需要不同尺度大小的组织图问题以及同一组织图信息丢失以及交互不完全问题，有效提高了对病理图像分类的性能，分类准确性高。