原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于特征采样的病理图像表征学习方法，包括：将全切片图像的图像块通过数据增强得到初始视图；将初始视图分别通过弱图像增强和强图像增强对应得到全局视图和局部视图；将裁剪块集合和初始视图分别输入至学生网络模型中，将全局视图输入至教师网络模型，通过更新后的学生网络模型参数进行指数滑动平均更新教师网络模型参数；将训练后的教师网络模型作为特征提取器提取全切片图像块特征集合，全切片图像块特征集合通过训练得到的高斯分布生成器预测得到特征分布，全切片分类器对增强后的全切片图像块特征集合进行预测类别。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117557855A
(43)申请公布日2024.02.13
(21)申请号202311572003.8G06N3/08(2023.01)
(22)申请日2023.11.2
文档评论（0）