基于双阶段特征融合网络的乳腺组织病理图像分类方法

1.一种基于双阶段特征融合网络的乳腺组织病理图像分类方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的基于双阶段特征融合网络的乳腺组织病理图像分类方法，其特征在于，所述步骤2中，将病理图像划分成适合主流卷积神经网络处理的像素尺寸，同时为后续在不同放大倍率下进行特征融合做准备，过程如下：

3.如权利要求1或2所述的基于双阶段特征融合网络的乳腺组织病理图像分类方法，其特征在于，所述步骤3中，去除图像块中的噪点信号，提高图像质量，过程如下：

4.如权利要求1或2所述的基于双阶段特征融合网络的乳腺组织病理图像分类方法，其特征在于，所述步骤4中，考虑不同尺度图像块之间的空间相关性，使模型能够捕捉病理图像在不同尺度上的详细信息，从而提供更全面的组织特征描述，过程如下：

5.如权利要求1或2所述的基于双阶段特征融合网络的乳腺组织病理图像分类方法，其特征在于，所述步骤7中，将一个包划分成多个子包，以扩增训练数据的规模，同时让模型更多关注那些显著实例，从而提升模型对于病理特征的敏感性和识别能力，过程如下：

6.如权利要求1或2所述的基于双阶段特征融合网络的乳腺组织病理图像分类方法，其特征在于，所述步骤8中，从子包中选取具有代表性的实例特征来聚合包级别特征，并用于后续包级别分类，过程如下：

7.如权利要求6所述的基于双阶段特征融合网络的乳腺组织病理图像分类方法，其特征在于，在所述的步骤8.2、8.3中，拼接方式选择通道拼接或空间拼接。

8.如权利要求1或2所述的基于双阶段特征融合网络的乳腺组织病理图像分类方法，其特征在于，在所述步骤2中，所述的分块技术选用随机分块、网格分块或重叠采样分块；划分图像块的尺寸选择256×256、512×512或768×768像素。

9.如权利要求1或2所述的基于双阶段特征融合网络的乳腺组织病理图像分类方法，其特征在于，在所述的步骤3中，滤波方法选用均值滤波或最值滤波方法。

10.如权利要求1或2所述的基于双阶段特征融合网络的乳腺组织病理图像分类方法，其特征在于，在所述的步骤4中，拼接择通道拼接或空间拼接；在所述的步骤4.1中，提取图像块特征选用resnet网络或vgg网络；在所述的步骤5中，选用mocov2或simclr对比学习算法作为自监督学习框架。