通过模板匹配对乳腺癌的病理图像细分

科学领域:

• 病理学 病理学 病理学
• 医疗成像医学成像
• 计算机科学 计算机科学

背景情况:

• 准确的病理图像细分对于乳腺癌诊断至关重要.
• 现有的细分方法难以应对乳腺癌图像的复杂性和变异性.

研究的目的:

• 提出一种新的模板匹配病理细分网络 (PSVTNet),以克服当前病理图像细分的局限性.
• 为了提高功能利用率和提高乳腺和胃癌病理图像的细分精度.

主要方法:

• 开发了PSVTNet,采用模板匹配策略,使用视觉转换器将癌症病变与模板相关联.
• 引入了详细信息注意力和信息注意力,以优化功能利用.
• 发布了标记乳腺和胃癌病理图像的综合数据集.

主要成果:

• 与最先进的方法相比,PSVTNet在乳腺癌病理图像上的表现优越.
• 该网络还在对具有相似诊断特征的胃癌病理图像进行细分方面表现出有效性.

结论:

• PSVTNet在癌症诊断的病理图像细分方面取得了重大进展.
• 拟议的方法显示了在分析复杂的遗传病理数据方面具有更广泛应用的潜力.