[發(fā)明專(zhuān)利]一種組織病理圖像的分類(lèi)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201711107043.X
• 申請(qǐng)日: 2017-11-10
• 公開(kāi)（公告）號(hào): CN107909102A
• 公開(kāi)（公告）日: 2018-04-13
• 發(fā)明（設(shè)計(jì)）人: 李岳楠;郭琳琳
• 申請(qǐng)（專(zhuān)利權(quán)）人: 天津大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62
• 代理公司: 天津市北洋有限責(zé)任專(zhuān)利代理事務(wù)所12201
• 代理人: 李林娟

1.一種組織病理圖像的分類(lèi)方法，其特征在于，所述分類(lèi)方法包括以下步驟：

分別利用健康及患病的病理圖像塊訓(xùn)練對(duì)應(yīng)PoE模型；根據(jù)得到的兩類(lèi)PoE模型對(duì)訓(xùn)練圖像塊進(jìn)行特征提取；

利用圖像塊的類(lèi)別標(biāo)注及其特征向量，訓(xùn)練SVM分類(lèi)器并找到圖像塊分類(lèi)標(biāo)準(zhǔn)；

用該SVM分類(lèi)器分別統(tǒng)計(jì)訓(xùn)練圖像中健康和患病圖像塊個(gè)數(shù)的比值，找出可區(qū)分兩類(lèi)圖像的閾值η；

對(duì)待分類(lèi)圖像進(jìn)行圖像塊級(jí)別的特征提取和SVM分類(lèi)，并根據(jù)閾值η做出圖像類(lèi)別的判斷。

2.根據(jù)權(quán)利要求1所述的一種組織病理圖像的分類(lèi)方法，其特征在于，所述利用健康及患病的病理圖像塊訓(xùn)練對(duì)應(yīng)的PoE模型具體為：

分別從健康及患病的病理圖像中隨機(jī)選取大小為W×W的訓(xùn)練圖像塊，圖像塊間可重疊，并利用兩類(lèi)圖像塊分別訓(xùn)練其對(duì)應(yīng)的PoE模型，使各類(lèi)樣本在其對(duì)應(yīng)的模型下出現(xiàn)的概率最大。

3.根據(jù)權(quán)利要求1所述的一種組織病理圖像的分類(lèi)方法，其特征在于，所述根據(jù)得到的兩類(lèi)PoE模型對(duì)訓(xùn)練圖像塊進(jìn)行特征提取具體為：

計(jì)算訓(xùn)練圖像塊在兩類(lèi)模型下的各專(zhuān)家值，將全部專(zhuān)家值按順序相連得到矢量，該矢量作為樣本在模型下的特征。

4.根據(jù)權(quán)利要求1所述的一種組織病理圖像的分類(lèi)方法，其特征在于，所述利用圖像塊的類(lèi)別標(biāo)注及其特征向量，訓(xùn)練SVM分類(lèi)器并找到圖像塊分類(lèi)標(biāo)準(zhǔn)具體為：

從兩類(lèi)訓(xùn)練圖像塊中分別選取相同數(shù)量的圖像塊，根據(jù)圖像塊所屬圖像類(lèi)別作為其類(lèi)別標(biāo)簽，并利用其在PoE模型下的特征進(jìn)行SVM分類(lèi)器的訓(xùn)練，保存得到的分類(lèi)標(biāo)準(zhǔn)，將其作為對(duì)未知類(lèi)別圖像塊分類(lèi)的模型。

5.根據(jù)權(quán)利要求1所述的一種組織病理圖像的分類(lèi)方法，其特征在于，所述用該SVM分類(lèi)器分別統(tǒng)計(jì)訓(xùn)練圖像中健康和患病圖像塊個(gè)數(shù)的比值，找出可區(qū)分兩類(lèi)圖像的閾值η具體為：

將訓(xùn)練圖像劃分為W×W的不重疊圖像塊，根據(jù)所得分類(lèi)器對(duì)圖像中的圖像塊類(lèi)別作出判斷，統(tǒng)計(jì)其中健康和患病圖像塊個(gè)數(shù)的比值，在訓(xùn)練集中找出可準(zhǔn)確區(qū)分兩類(lèi)圖像的閾值η，作為圖像分類(lèi)依據(jù)。

6.根據(jù)權(quán)利要求1所述的一種組織病理圖像的分類(lèi)方法，其特征在于，所述對(duì)待分類(lèi)圖像進(jìn)行圖像塊級(jí)別的特征提取和SVM分類(lèi)，并根據(jù)閾值η做出圖像類(lèi)別的判斷。具體為：

對(duì)待分類(lèi)圖像同樣劃分為成大小為W×W的不重疊圖像塊，以上述相同的方法進(jìn)行圖像塊級(jí)別的特征提取和SVM分類(lèi)，統(tǒng)計(jì)圖像中健康和患病塊的比值，如果比值大于閾值η，則判斷病理圖像中的組織患病。