一种基于级联网络的肿瘤淋巴管浸润检测方法
基本信息
| 申请号 | CN202110440429.2 | 申请日 | - |
| 公开（公告）号 | CN113160175A | 公开（公告）日 | 2021-07-23 |
| 申请公布号 | CN113160175A | 申请公布日 | 2021-07-23 |
| 分类号 | G06T7/00（2017.01）I;G06T7/11（2017.01）I;G06T7/13（2017.01）I;G06T7/136（2017.01）I;G06T7/62（2017.01）I;G16H30/40（2018.01）I;G16H50/20（2018.01）I;G16H50/70（2018.01）I;G01N21/84（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 韩鑫;田雪叶;王春宝;杨林;崔磊 | 申请（专利权）人 | 杭州迪英加科技有限公司 |
| 代理机构 | 北京博维知识产权代理事务所（特殊普通合伙） | 代理人 | 张倩 |
| 地址 | 311121浙江省杭州市余杭区仓前街道龙潭路7号杭州未来研创园B座5楼B501-B508室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及一种基于级联网络的肿瘤淋巴管浸润检测方法，提出提出通过利用淋巴管浸润检测模型与难分样本挖掘网络级联的结构完成对D2‑40免疫组化数字病理全场图中淋巴管浸润区域的自动化检测，为了实现难分样本挖掘网络对检测网络输出结果进行过滤后，可以尽可能地降低假阳都的数量而真阳不发生漏检这一目的，难分样本挖掘网络需要学习假阳和真阳的特征，而深度学习网络是通过数据来学习特征的，所以重点就落在如何获取具有代表性的数据，也就是假阳过滤步骤中的S70中的3）、4）步对于训练数据的选取，通过选取的两类数据训练分类模型，得到难分样本挖掘模型。 |
