[發明專利]一種基于深度哈希的病理全切片檢索方法

有效

• 申請號: 202010054002.4
• 申請日: 2020-01-17
• 公開（公告）號: CN111241327B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 姜志國;胡定一;鄭鈺山;張浩鵬;謝鳳英
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F16/58
• 分類號: G06F16/58;G06F16/583;G06F16/538;G06V10/80;G06K9/62
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 符繼超

1.一種基于深度哈希的病理全切片檢索方法，其特征在于，包括：

(1)哈希數據庫的建立：

輸入查詢圖像，得到帶標簽的圖像塊，將帶標簽的圖像塊輸入至卷積神經網絡中，通過切片級損失函數對CNN網絡框架進行訓練，將所有的訓練圖像轉化為相應的二值編碼，得到哈希數據庫；

(2)檢索結果的確定：

利用CNN網絡框架提取測試圖像的二值編碼，通過哈希數據庫檢索得到與測試圖像二值編碼相近的編碼，進而返回對應的圖像，采用非極大值抑制的方法對返回的圖像進行融合，得出檢索結果；

切片級損失函數得出的方法為：

對于一個圖像對I₁，I₂，基本損失函數如下：

其中當I₁，I₂具有相同的標簽時x＝1，具有不同的標簽時x＝0，m，β是超參數，c₁，c₂是對應的CNN特征，用來控制特征編碼的絕對值接近1；為了加強檢索結果的切片信息豐富度，加入一個切片信息約束項：

其中，m₂和ρ是超參數，y是圖像對的切片標簽，當圖像對來自同一切片時y＝0，來自不同切片時y＝1；在訓練過程中對于N個圖像對，它的損失函數可以表示為：

其中c_i，1，c_i，2為第i對圖像塊的特征。

2.根據權利要求1所述的一種基于深度哈希的病理全切片檢索方法，其特征在于，查詢圖像采用224×224像素的圖像。

3.根據權利要求1所述的一種基于深度哈希的病理全切片檢索方法，其特征在于，采用DenseNet-121的網絡結構作為CNN網絡網架，包含121個卷積層，由4個Dense Block構成，將224×224像素的訓練圖像{I₁，I₂，…，I_N}映射到d維特征空間，之后用符號函數把特征轉化為二值編碼：

其中，I_n指的是其中某一個圖像，b_n是d維的二值編碼，F_CNN表示CNN框架的特征提取函數，sgn(·)表示符號函數，當t＞0時，sgn(t)＝1，其他情況sgn(t)＝-1。

4.根據權利要求1所述的一種基于深度哈希的病理全切片檢索方法，其特征在于，采用如下評價指標來表征檢索結果的切片信息豐富度：

其中，N_i(K)表示第i張切片中包含的前K張返回圖像塊的數量；N_j(K)表示第j張切片中包含的前K張返回圖像塊的數量，M為切片總數。