← 返回列表
一种基于提示学习的组织病理图像多任务分类系统
摘要文本
一种基于提示学习的组织病理图像多任务分类系统，它属于医学图像分析技术领域。本发明解决了现有多任务学习模型忽视了各任务间潜在的关联性，导致现有方法对组织病理图像多任务分类的性能差的问题。本发明通过为每个任务设计任务特定的提示，并引入任务相关性学习模块，能够显式地识别和利用各种任务之间的潜在关联性。此外，本发明在训练时对整个神经网络模型进行了全面微调，使各个任务之间相互促进，这一策略不仅显著提高了其相对于训练多个单任务模型的计算效率和性能，还增强了模型对多种不同任务的适应能力，提升了本发明方法在组织病理图像多任务分类上的性能。本发明可以应用于医学图像分析。
申请人信息
- 申请人:哈尔滨工业大学
- 申请人地址:150001 黑龙江省哈尔滨市南岗区西大直街92号
- 发明人: 哈尔滨工业大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于提示学习的组织病理图像多任务分类系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311366790.0 |
| 申请日 | 2023/10/20 |
| 公告号 | CN117422912A |
| 公开日 | 2024/1/19 |
| IPC主分类号 | G06V10/764 |
| 权利人 | 哈尔滨工业大学 |
| 发明人 | 王宽全; 孙鹏重; 骆功宁; 王玮; 董素宇; 李向宇; 李钦策; 袁永峰 |
| 地址 | 黑龙江省哈尔滨市南岗区西大直街92号 |
专利主权项内容
1.一种基于提示学习的组织病理图像多任务分类系统，其特征在于，所述系统包括图像获取模块、任务相关提示初始化模块、子图像补丁特征提取模块、任务相关性学习模块、任务共享知识表征模块、任务提示模块和任务相关知识表征模块，其中：所述图像获取模块用于获取待分类的组织病理图像；所述任务相关提示初始化模块用于对待分类组织病理图像的每个分类任务的名称进行编码，获得任务提示T’是分类任务的数量，D是对每个分类任务的名称进行编码得到的编码结果的维度，/>为实数；所述子图像补丁特征提取模块用于提取待分类组织病理图像的特征向量所述任务相关性学习模块用于对任务提示/>进行处理，得到处理后的特征/>所述任务共享知识表征模块用于对特征向量进行处理，得到处理后的特征/>所述任务提示模块用于根据和/>获得任务相关知识表征X，并将X拆分为各个分类任务对应的向量；clscls所述任务相关知识表征模块用于为每个分类任务分别设定一个分类器，每个分类器均包括线性层和RELU激活函数；并将各个分类任务对应的向量输入对应的分类器，得到对各个分类任务的预测结果。