公开(公告)号：CN119151873A

公开(公告)日：2024-12-17

申请号：CN202411149156.6

申请日：2024-08-21

Applicant: 清华大学深圳国际研究生院

Inventor： 何永红 ,  彭靖 ,  刘从容 ,  王丹丹 ,  何奇洺 ,  王子骏

IPC: G06T7/00 ,  G06V10/766 ,  G06V20/69 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 一种基于深度学习的H&E图像卵巢癌多倍体瘤巨细胞(PGCCs)检测方法，包括构建特定数据集、图像标注与数据划分、利用OCDet模型进行特征学习与优化、以及模型训练与评估。该方法首先建立含有PGCCs的H&E染色图像数据集，随后对图像进行精确标注并划分为训练、验证和测试集。OCDet模型以CSPDarkNet为核心，结合ECA机制，专注于病理语义特征的深度学习和重编码。通过训练数据集，模型通过反向传播和梯度下降进行参数更新，优化以识别PGCCs特征。验证集用于模型调优，测试集用于评估模型性能。本发明的自动化检测技术，能够帮助医生提升诊断效率，降低误差，为临床治疗和预后评估提供重要参考，展现了显著的临床应用价值。