[發明專利]癌癥識別方法、裝置及存儲介質

有效

• 申請號: 201810030195.2
• 申請日: 2018-01-12
• 公開（公告）號: CN108154509B
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 王健宗;吳天博;劉莉紅;劉新卉;肖京
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/764
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種癌癥識別方法，其特征在于，所述方法包括：

接收步驟：接收待癌癥識別的病理切片圖片；

確定步驟：根據待識別的癌癥類型與預設類型模型的映射關系，確定該病理切片圖片對應的預設類型模型；

識別步驟：利用確定的預設類型模型對該病理切片圖片進行識別，生成識別結果；

所述預設類型模型為卷積神經網絡模型，該卷積神經網絡模型主網絡結構包括由一個Flatten層和多個采用ReLU激活函數的全連層組成的第一特征網絡，及由一個均值方差池化層和多個采用ReLU激活函數的全連層組成的第二特征網絡的子網絡結構，病理切片樣本圖片分別經過所述第一特征網絡、第二特征網絡提取特征并進行特征拼接后，再輸入主網絡結構中參與訓練。

2.根據權利要求1所述的癌癥識別方法，其特征在于，所述預設類型模型包括以下訓練步驟：

A1、獲取第一預設數量、預設格式的某種癌癥的病理切片樣本圖片；

A2、在每個病理切片樣本圖片上標注癌變標記點，癌變標記點形成癌變形狀曲線，并標注病理切片樣本圖片對應的癌癥和癌變階段；

A3、根據各個病理切片樣本圖片上的癌變形狀曲線，按照預設的癌變區域確定規則分別識別出各個病理切片樣本圖片對應的一個或多個癌變區域圖塊；

A4、將所有病理切片樣本圖片對應的癌變區域圖塊分為第一預設比例的訓練集和第二預設比例的驗證集；

A5、利用訓練集中的癌變區域圖塊進行模型訓練，生成所述預設類型模型，并利用驗證集中的癌變區域圖塊對生成的所述預設類型模型進行驗證；

A6、若驗證通過率大于或等于預設閾值，則訓練完成，若驗證通過率小于預設閾值，則增加第二預設數量的樣本圖片，流程返回步驟A3。

3.根據權利要求2所述的癌癥識別方法，其特征在于，所述預設的癌變區域確定規則包括：

針對一個病理切片樣本圖片，逐一選擇該病理切片樣本圖片上癌變形狀曲線；

選擇一個癌變形狀曲線后，確定該癌變形狀曲線上所有癌變標記點的最大橫坐標、最小橫坐標、最大縱坐標、最小縱坐標，將確定的最大橫坐標作為一個矩形框的第一條邊的橫坐標，將確定的最小橫坐標作為該矩形框的第二條邊的橫坐標，將確定的最大縱坐標作為該矩形框的第三條邊的縱坐標，將確定的最小縱坐標作為該矩形框的第四條邊的縱坐標，該矩形框的位置由所述第一條邊、第二條邊、第三條邊及第四條邊相交的四個頂點確定，該矩形框圍成的圖片區域即為癌變區域圖塊。

4.根據權利要求1所述的癌癥識別方法，其特征在于，該方法還包括：

若生成的識別結果確定為癌癥，則判斷該癌癥的癌變階段，并輸出與該癌變階段相對應的預設格式的提示信息。

5.一種電子裝置，其特征在于，所述裝置包括：存儲器、處理器，所述存儲器上存儲有癌癥識別程序，所述癌癥識別程序被所述處理器執行，可實現如下步驟：

接收步驟：接收待癌癥識別的病理切片圖片；

確定步驟：根據待識別的癌癥類型與預設類型模型的映射關系，確定該病理切片圖片對應的預設類型模型；

識別步驟：利用確定的預設類型模型對該病理切片圖片進行識別，生成識別結果；

所述預設類型模型為卷積神經網絡模型，該卷積神經網絡模型主網絡結構包括由一個Flatten層和多個采用ReLU激活函數的全連層組成的第一特征網絡，及由一個均值方差池化層和多個采用ReLU激活函數的全連層組成的第二特征網絡的子網絡結構，病理切片樣本圖片分別經過所述第一特征網絡、第二特征網絡提取特征并進行特征拼接后，再輸入主網絡結構中參與訓練。