基于弱监督学习和转换器的肺癌组织病理全切片分类方法

作者：祝新宇; 史骏; 束童; 唐昆铭; 孙宇; 杨志鹏; 王垚; 张元; 郑利平

来源：2022-05-18, 中国, ZL202210575594.3.

本发明公开了一种基于弱监督学习和转换器的肺癌组织病理全切片分类方法,步骤包括：1、获取具有全切片级别标签的肺癌组织病理全切片图像数据集并在双倍率下采集组织图像数据；2、建立能够分别提取双倍率下图像的深度特征的双分支网络模型并提取、聚合(1)中双倍率图像的深度特征；3、建立能够预测全切片图像阴阳性的弱监督视觉转换器网络模型并输入步骤(2)中得到的深度特征进行全切片阴阳性分类；4、利用全切片级别标签的肺癌组织病理全切片图像数据集弱监督训练网络模型；5、利用训练好的模型对肺癌组织病理全切片图像进行阴阳性分类。