山西大学在图像处理领域再次取得重要成果
研究团队创新性提出光谱异质性引擎网络。该方法融合自适应谱聚类、波束搜索策略与 k 阶行列式点过程,筛选出兼具多样性与合理性的负样本并搭建异构图网络表达病理图像特征。
近日,山西大学物理电子工程学院智能感知与计算团队在图像处理领域取得突破性进展。其研究成果“iPathWS: An Integrated Scalable System for Explainable Pathology Diagnosis with Spectral Heterogeneity Engine Networks”发表于图像处理领域国际顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence。 病理全切片图像是临床疾病诊断的“金标准”,但其超十亿像素级的庞大规模和复杂的组织异质性,使得传统人工智能模型面临过平滑效应和微小病灶漏诊两大挑战。针对这一问题,本研究团队创新性提出光谱异质性引擎网络(SHE-Net)。该方法融合自适应谱聚类、波束搜索策略与 k 阶行列式点过程,筛选出兼具多样性与合理性的负样本并搭建异构图网络表达病理图像特征。由此实现不同组织图像块的差异化特征映射,输出判别能力更强的病理图像整体表征。 SHE-Net模型框架 实验表明,该模型在无论是在二分类任务(CAMELYON16、TCGA-NSCLC)还是多分类任务(PANDA)中的表现都显著优于主流方法,尤其在对早期微转移灶的定位能力上,可定位282.2×188.5微米的转移病灶。 SHE-Net性能分析 相关链接:https://ieeexplore.ieee.org/abstract/document/11558514 |

1.行业新闻、市场分析。 2.新品新技术(最新研发出来的产品技术介绍,包括产品性能参数、作用、应用领域及图片); 3.解决方案/专业论文(针对问题及需求,提出一个解决问题的执行方案); 4.技术文章、白皮书,光学软件运用技术(光电行业内技术文档);
如果想要将你的内容出现在这里,欢迎联系我们,投稿邮箱:service@opticsky.cn
文章点评



