沈阳科技学院

本发明提供一种粗细分支协同的层次化原型多实例学习方法。该方法包括：将获取到的病理切片图像数据集划分为训练集和测试集；对病理切片图像数据集进行预处理，以实现将每张病理切片图像分割成若干个图像块，并提取每个图像块的特征；搭建层次化原型多实例学习模型；将训练集对应的每个图像块的特征输入层次化原型多实例学习模型，以实现对该模型进行训练及优化，得到训练集对应的切片级 KRAS 突变预测结果；将测试集对应的每个图像块的特征输入最终优化后的层次化原型多实例学习模型，得到测试集对应的切片级 KRAS 突变预测结果。本发明在弱监督条件下实现对切片级全局证据与局部模式信息的协同建模，提升了KRAS突变预测的稳定性与判别能力。