买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学(深圳)高等研究院

摘要：本发明公开了一种用于评估干燥综合征患者预后的唇腺活检病理组织的数字化图像分析方法及装置，该数字化图像分析方法包括数据预处理、基于patch的迁移学习、基于WSI的多实例注意力学习及模型预测并发症发生概率。上述分析方法能够提高了干燥综合征患者的诊断准确率，减少误诊和漏诊的风险，帮助医生更好地评估干燥综合征患者的并发症风险，为患者提供更有效的预防和治疗措施，提高了干燥综合征患者的预后，改善患者的生活质量，还具有显著的技术进步性和临床价值，可以为干燥综合征患者的诊治提供新的思路和方法。

主权项：1.一种用于评估干燥综合征患者预后的唇腺活检病理组织的数字化图像分析方法，其特征在于，包括：S1：数据预处理收集唇腺活检样本，对唇腺活检样本采用组织固定和包埋、HE染色、全切片数字扫描及OpenSlide库采样处理等步骤进行预处理，形成用于重构WSI的的Patch的数据集，并将数据集分为训练集和测试集，训练集用于训练深度学习模型，测试集用于评估模型性能；S2：基于patch的迁移学习选择EfficientNet-B5架构作为基础模型，并将对应在Imagenet数据集上充分训练好的EfficientNet-B5模型的参数直接迁移到预训练模型中，进行参数快速初始化，并移除最后一层全连接分类层，保留卷积层和池化层，用于特征提取，对于每个patch，分别通过裁剪后的模型进行前向传播，提取出对应的特征向量，使用有无并发症的二分类标签，复制到WSI中的每个Patch上，作为监督学习的目标标签，在训练集上，进行端到端的分类器训练，训练周期100次并保存性能最优时的参数，得到基于patch上预先训练好的EfficientNet-B5模型；S3：基于WSI的多实例注意力学习将每个WSI视为一个"袋"，包含n个切片实例，整个WSI的有无并发症的标签为袋标签；将基于patch上预先训练好的EfficientNet-B5模型用于对每个patch实例逐一进行特征提取，再将特征展平为一维向量并拼接起来，形成一个以n行的实例特征组成的矩阵来表示每个"袋"，作为VIT多实例模型的输入；采用注意力机制，让模型自动学习识别对最终分类贡献最大的关键实例，基于VIT构建多头注意力机制，捕获实例间的长程依赖，将注意力加权的特征向量输入最终的二分类全连接层进行并发症预测，使模型同时获得基于patch的特征和patch实例之间的WSI级别特征，得到多实例模型的预测结果；S4：模型预测并发症发生概率将多实例模型的预测结果作为该患者最终发生并发症的风险预测值CRS，CRS的取值范围从0到1，值越接近0则模型认为发生并发症可能性越小，反之如果值越接近1，则发生并发症的风险越高。

全文数据：

权利要求：

百度查询： 电子科技大学(深圳)高等研究院 一种用于评估干燥综合征患者预后的唇腺活检病理组织的数字化图像分析方法及装置