[發明專利]基于融合特征和驗證模型的乳腺癌有絲分裂細胞檢測方法

在審

• 申請號: 201911331065.3
• 申請日: 2019-12-20
• 公開（公告）號: CN111368872A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 黃平捷;陸曉棟;喻潔;曹懌童;陳進玉;朱艷妮;陳飄云;侯迪波;張光新
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 林松海

本發明公開了一種基于融合特征和驗證模型的乳腺癌有絲分裂細胞檢測方法。該方法首先對經過染色均衡后的乳腺癌病理圖像提取融合特征，然后構建基于融合特征的有絲分裂細胞預選模型，最后構建驗證模型進行判別，以實現病理圖像有絲分裂細胞的有效檢測。本發明提出的融合特征提取方法在有絲分裂細胞定位準確度上有明顯提升，本發明對于乳腺癌病理圖像的有絲分裂細胞的檢出率較高，且誤判率較低，對于難分辨的有絲分裂細胞具有較高的區分能力，適用于乳腺癌病理圖像中有絲分裂細胞的檢測。

技術領域

本發明屬于病理圖像的智能識別領域，尤其涉及一種基于融合特征和驗證模型的乳腺癌有絲分裂細胞檢測方法。

背景技術

有絲分裂細胞數是用于判斷浸潤性乳腺癌惡化程度的重要指標，傳統檢測方法是病理學家通過人工觀察病理圖像以檢出有絲分裂細胞。但受限于病理學家的專業知識水平，不同病理學家診斷結果的一致性較差；同時由于病理圖像維數大、數量多的特點，導致人工診斷需要耗費大量時間，導致人工勞累增加出錯率。

目前基于傳統機器學習的有絲分裂檢測方法主要是根據人工設計形態學特征并結合支持向量機（Support Vector Machine）等分類算法判別是否為有絲分裂細胞。這些方法在特定場景下有較好的應用，但是在不同數據集下的泛化能力較差且需要具備大量的醫學理論知識儲備。而目前一些基于深度學習的有絲分裂檢測方法在小目標檢測上的定位精度較差，并且具有較高的誤檢率。

發明內容

為了克服現有技術的不足，本發明的目的在于提供一種基于融合特征和驗證模型的乳腺癌有絲分裂細胞檢測方法。

一種基于融合特征和驗證模型的乳腺癌有絲分裂細胞檢測方法，包括以下步驟：

S1獲取多個乳腺癌病理圖像并進行染色均衡得到預處理后乳腺癌病理圖像，作為訓練集；

S2對訓練集中的預處理后乳腺癌病理圖像提取融合特征，包括以下步驟：

S2.1使用卷積神經網絡提取乳腺癌病理圖像的特征；

S2.2計算圖像不同卷積層的特征，將不同卷積層的特征融合后作為圖像的特征；

S3 對步驟S2.2得到圖像的特征構建候選有絲分裂檢測模型，得到候選的有絲分裂細胞；

S4 對步驟S3得到的候選的有絲分裂細胞構建驗證模型，確定分類閾值；

S5 對待測病理圖像進行有絲分裂檢測，包括以下步驟：

S5.1使用步驟S2的方法提取待測病理圖像的融合特征；

S5.2將融合特征輸入步驟S3的候選有絲分裂檢測模型中，得到候選的有絲分裂細胞；

S5.3將候選的有絲分裂細胞輸入步驟S4的驗證模型中，根據S4中確定的分類閾值將非有絲分裂細胞剔除，得到有絲分裂細胞。

所述的S2中對訓練集中的預處理后乳腺癌病理圖像提取融合特征通過下式計算：

F=（F₆，F₅，F₄，F₃，F₂）