一种基于多模态融合的甲状腺细胞样本分级方法

本发明提供一种基于多模态融合的甲状腺细胞样本分级方法，涉及医学图像处理与人工智能辅助诊断技术领域，S10、获取并预处理标注的甲状腺细胞样本全景图；S20、采用训练好的Yolov9目标检测模型对经步骤S10预处理后的甲状腺细胞全景图进行多尺度扫描；根据多尺度扫描识别34类甲状腺细胞可疑区域，输出34类甲状腺细胞可疑区域；S30、利用训练好的Chinese CLIP图文检索模型提取步骤S20输出的34类甲状腺细胞可疑区域的图像特征。通过上述结构之间的配合，与现有方法相比，具有以下有益效果：一是，借助Yolov9的多尺度检测能力提升甲状腺细胞可疑区域的识别精度；二是，利用Chinese CLIP实现图像特征与中文病理文本标签的精准匹配；三是，通过XGBoost模型整合多维度特征进行分级判定。