[發明專利]基于深度學習的乳腺癌病理切片中癌癥區域的檢測方法

在審

• 申請號: 201811407164.0
• 申請日: 2018-11-23
• 公開（公告）號: CN109740626A
• 公開（公告）日: 2019-05-10
• 發明（設計）人: 鄭先斐;丁隆乾;孫玲玲
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G16H50/20
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.基于深度學習的乳腺癌病理切片中癌癥區域的檢測方法，其特征在于，該方法具體包括以下步驟：

步驟一、數據預處理，使用灰度閾值方法提取數據集切片中的組織部分，用于后續裁剪合理的目標檢測區域；所述的數據集為乳腺癌病理切片；

步驟二、將原始的乳腺癌病理切片分為訓練樣本、驗證樣本和測試樣本，再使用網格裁剪方法，從切片的組織區域中裁剪相同大小的圖片樣本，并縮小圖片的尺寸為原尺寸的1/3；

步驟三、將訓練樣本和驗證樣本分別放在分類的數據文件中，在訓練過程中，針對數據集合中的正負樣本不均衡問題，使用等概率采樣的實時過采樣方法來解決，針對數據集合中的有些類別樣本數量少的問題，使用隨機裁剪、旋轉、翻轉和顏色增強方法來解決；

步驟四、將采樣出來的樣本依次放入卷積神經網絡中進行訓練，卷積神經網絡采用使用Inception和Resnet原則設計構造的Inception-Resnet-v2網絡；

步驟五、通過帶標簽的數據訓練，誤差自頂向下傳輸，對每一層的參數進行微調，將網絡的訓練結果和在驗證集合上的運行準確率進行可視化實時顯示，根據驗證集合上的準確值和損失值曲線進行網絡微調；

步驟六、設定運行多個代數后，至驗證集的準確率達到最高；保存所有訓練過程中的參數和模型，訓練過程結束后將測試樣本輸送到網絡中，進行無標簽圖像預測分類，預測測試圖像并計算代表相應分類可能性；最后輸出為正常組織、良性、原位癌和浸潤癌，把預測樣本結果合成一張切片大小的圖像就是最后的切片癌癥區域檢測結果。