欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024109112612
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于AI的宫颈癌病理影像分析系统,其特征在于,包括:

影像获取模块,用于获取待分析宫颈癌病理影像;

影像增强模块,用于对所述待分析宫颈癌病理影像进行对比度归一化和广义高斯拟合以得到增强待分析宫颈癌病理影像;

图像特征提取模块,用于对所述增强待分析宫颈癌病理影像进行多层次图像特征提取以得到宫颈癌病理影像浅层特征图和宫颈癌病理影像语义特征图;

信息补偿融合模块,用于将所述宫颈癌病理影像浅层特征图和所述宫颈癌病理影像语义特征图输入网络信息损失-补偿模块以得到宫颈癌病理影像损失-补偿多尺度融合表示图;

分析结果生成模块,用于基于所述宫颈癌病理影像损失-补偿多尺度融合表示图的前景显著化信息来确定分析结果;

其中,所述分析结果生成模块,包括:

前景内容显著化单元,用于将所述宫颈癌病理影像损失-补偿多尺度融合表示图通过基于类前景注意力机制的重要内容显著器以得到显著化宫颈癌病理影像损失-补偿多尺度融合表示图;

风险评估单元,用于将所述显著化宫颈癌病理影像损失-补偿多尺度融合表示图通过基于分类器的病理分析器以得到所述分析结果,所述分析结果用于表示宫颈癌病变的风险等级标签;

其中,所述信息补偿融合模块,包括:

信息损失量化单元,用于计算所述宫颈癌病理影像浅层特征图和所述宫颈癌病理影像语义特征图之间的信息损失以得到信息损失特征图;

信息补偿单元,用于基于所述信息损失特征图对所述宫颈癌病理影像浅层特征图进行信息补偿以得到所述宫颈癌病理影像损失-补偿多尺度融合表示图;

其中,所述信息损失量化单元,用于:

对所述宫颈癌病理影像浅层特征图进行下采样后与所述宫颈癌病理影像语义特征图进行按位置相减以得到宫颈癌病理影像深浅对位差异特征图;

对所述宫颈癌病理影像深浅对位差异特征图进行点卷积处理和基于tanh激活函数的非线性激活处理后,对得到的特征图进行上采样以得到所述信息损失特征图;

其中,所述信息补偿单元,用于:

确定第一加权超参数和第二加权超参数;

分别将所述第一加权超参数和所述第二加权超参数与所述宫颈癌病理影像浅层特征图进行相乘以得到第一加权宫颈癌病理影像浅层特征图和第二加权宫颈癌病理影像浅层特征图;

计算所述信息损失特征图与所述第一加权宫颈癌病理影像浅层特征图的按位置点乘后与所述第二加权宫颈癌病理影像浅层特征图进行对位元素相加以得到所述宫颈癌病理影像损失-补偿多尺度融合表示图;

其中,所述前景内容显著化单元,包括:

类前景分析子单元,用于对所述宫颈癌病理影像损失-补偿多尺度融合表示图进行类前景分析以得到维度对齐病理空间权重信息表示矩阵;

显著化融合子单元,用于以所述维度对齐病理空间权重信息表示矩阵作为权重矩阵,分别计算其与所述宫颈癌病理影像损失-补偿多尺度融合表示图的沿通道维度的各个特征矩阵之间的乘积以得到所述显著化宫颈癌病理影像损失-补偿多尺度融合表示图;

其中,所述类前景分析子单元,用于:

对所述宫颈癌病理影像损失-补偿多尺度融合表示图进行卷积编码和非线性激活处理以得到病理空间权重信息特征图;

沿着所述病理空间权重信息特征图的通道维度,计算所述病理空间权重信息特征图中各个像素位置的跨通道全局均值以得到病理空间权重信息表示矩阵;

对所述病理空间权重信息表示矩阵进行基于预定阈值的掩码化处理以得到掩码化病理空间权重信息表示矩阵;

对所述掩码化病理空间权重信息表示矩阵进行上采样以得到所述维度对齐病理空间权重信息表示矩阵。

2.根据权利要求1所述的基于AI的宫颈癌病理影像分析系统,其特征在于,所述图像特征提取模块,用于:将所述增强待分析宫颈癌病理影像通过基于金字塔网络的宫颈癌病理影像多尺度特征提取器以得到所述宫颈癌病理影像浅层特征图和所述宫颈癌病理影像语义特征图。

3.根据权利要求2所述的基于AI的宫颈癌病理影像分析系统,其特征在于,还包括用于对所述基于金字塔网络的宫颈癌病理影像多尺度特征提取器、所述网络信息损失-补偿模块、所述基于类前景注意力机制的重要内容显著器和所述基于分类器的病理分析器进行训练的训练模块;其中,所述训练模块,包括:训练数据获取单元,用于获取训练数据,所述训练数据包括训练待分析宫颈癌病理影像以及宫颈癌病变的风险等级标签的真实值;

训练归一化拟合单元,用于对所述训练待分析宫颈癌病理影像进行对比度归一化和广义高斯拟合以得到训练增强待分析宫颈癌病理影像;

训练影像多尺度特征提取单元,用于将所述训练增强待分析宫颈癌病理影像通过所述基于金字塔网络的宫颈癌病理影像多尺度特征提取器以得到训练宫颈癌病理影像浅层特征图和训练宫颈癌病理影像语义特征图;

训练损失补偿单元,用于将所述训练宫颈癌病理影像浅层特征图和所述训练宫颈癌病理影像语义特征图输入所述网络信息损失-补偿模块以得到训练宫颈癌病理影像损失-补偿多尺度融合表示图;

训练重要内容显著单元,用于将所述训练宫颈癌病理影像损失-补偿多尺度融合表示图通过所述基于类前景注意力机制的重要内容显著器以得到训练显著化宫颈癌病理影像损失-补偿多尺度融合表示图;

训练病理分析单元,用于将所述训练显著化宫颈癌病理影像损失-补偿多尺度融合表示图通过所述基于分类器的病理分析器以得到分类损失函数值;

损失训练单元,用于以所述分类损失函数值来对所述基于金字塔网络的宫颈癌病理影像多尺度特征提取器、所述网络信息损失-补偿模块、所述基于类前景注意力机制的重要内容显著器和所述基于分类器的病理分析器进行训练,其中,在每次所述训练显著化宫颈癌病理影像损失-补偿多尺度融合表示图通过所述基于分类器的病理分析器进行分类迭代时,对所述训练显著化宫颈癌病理影像损失-补偿多尺度融合表示图进行校正。

4.一种基于AI的宫颈癌病理影像分析方法,使用权利要求1所述的基于AI的宫颈癌病理影像分析系统,其特征在于,包括:获取待分析宫颈癌病理影像;

对所述待分析宫颈癌病理影像进行对比度归一化和广义高斯拟合以得到增强待分析宫颈癌病理影像;

对所述增强待分析宫颈癌病理影像进行多层次图像特征提取以得到宫颈癌病理影像浅层特征图和宫颈癌病理影像语义特征图;

将所述宫颈癌病理影像浅层特征图和所述宫颈癌病理影像语义特征图输入网络信息损失-补偿模块以得到宫颈癌病理影像损失-补偿多尺度融合表示图;

基于所述宫颈癌病理影像损失-补偿多尺度融合表示图的前景显著化信息来确定分析结果;

其中,基于所述宫颈癌病理影像损失-补偿多尺度融合表示图的前景显著化信息来确定分析结果,包括:将所述宫颈癌病理影像损失-补偿多尺度融合表示图通过基于类前景注意力机制的重要内容显著器以得到显著化宫颈癌病理影像损失-补偿多尺度融合表示图;

将所述显著化宫颈癌病理影像损失-补偿多尺度融合表示图通过基于分类器的病理分析器以得到所述分析结果,所述分析结果用于表示宫颈癌病变的风险等级标签。