专利交易市场

本公开提出一种基于Transformer的多尺度二阶病理图像分类方法及系统，涉及图像处理领域。方法包括：获取待分类病理图像，进行预处理；将预处理后的待分类病理图像输入至Swin网络中，提取待分类病理图像的多尺度特征；将多尺度特征包含的单尺度特征分别输入至二阶池化模块和一阶池化模块，提取单尺度二阶特征、一阶特征；分别对单尺度二阶特征、一阶特征进行类别预测并联合，获得单尺度预测分数；融合多个单尺度预测分数，输出待分类病理图像类别预测结果。本公开通过考虑不同阶段的二阶特征，并融合一阶、二阶特征，充分挖掘了特征之间的细节信息，克服了传统方法无法捕获详细信息的缺陷，从而提高乳腺癌病理图像分类的准确性。

本发明公开了一种联合一阶和二阶特征的脑肿瘤MRI图像分类方法及系统，涉及医学影像分析技术领域，该方法包括：获取待分类的脑肿瘤MRI图像，对脑肿瘤MRI图像进行预处理；以预训练的ResNet18网络作为主干网络，利用主干网络提取预处理后的脑肿瘤MRI图像的初始特征向量；基于初始特征向量，通过全局平均池化获取脑肿瘤MRI图像的一阶特征向量，通过协方差池化获取脑肿瘤MRI图像的二阶特征向量；基于一阶特征向量和二阶特征向量，分别进行类别预测，再将两种类别预测结果相加融合，得到最终的分类结果。本发明通过联合一阶和二阶特征来总结图像数据的全局特征和更精细的局部结构，实现更高精度的脑肿瘤MRI图像分类。