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
本发明涉及医学图像识别领域领域，更具体地，涉及基于多任务学习技术的乳腺癌病理冰冻切片图像处理方法，根据病理学专家的标注，将早期乳腺癌核心针活检全切片的肿瘤区域进行分割，并将非肿瘤区域填充为白色，为了解决图片尺寸过大无法一次性学习的问题，将上述肿瘤区域的图片分割为多张256×256的切片，并丢弃空白比大于0.3的切片，为了适应模型训练并提高效率，将图片等比例缩小为48×48并进行灰度化处理，按照5：2的比例划分每个临床特征数据集的训练集和测试集，解决了术中乳腺癌病理冰冻切片诊断主观性、一致性和效率
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117649390A
(43)申请公布日2024.03.05
(21)申请号202311686189.X
(22)申请日2023.12.08
(71)申请人中山大学
文档评论（0）