[發明專利]醫學圖像分類方法、裝置、設備、計算機設備和存儲介質

有效

• 申請號: 202010113662.5
• 申請日: 2020-02-24
• 公開（公告）號: CN111310841B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 陳翔;李芳芳;張宇;趙爽;陳明亮;粟娟;陳彥中
• 申請（專利權）人: 中南大學湘雅醫院
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06T7/00;G06T7/11;G06T7/136
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 李姣姣

1.一種醫學圖像分類方法，所述方法包括：

獲取病理切片圖像，對所述病理切片圖像進行分割處理，得到子切片圖像；

采用閾值分割法，將所述子切片圖像中大于或等于預設像素閾值的像素區域標記為空白區域，計算所述空白區域在所在子切片圖像中的面積占比，舍棄所述空白區域的面積占比超過預設比例的子切片圖像，得到更新后的子切片圖像；

采用已訓練的圖片分類模型預測所述更新后的子切片圖像的所屬類別，得到各所述更新后的子切片圖像的所屬類別置信度，所述圖片分類模型基于不同類別的攜帶病灶標記信息的病理切片圖像樣本集訓練得到；

將所述所屬類別置信度大于或等于預設閾值的子切片圖像標記為病灶切片、并根據所述所屬類別置信度對所述病灶切片進行打分；

統計所述病灶切片的得分，得到所述病理切片圖像的分類結果；

其中，根據所述所屬類別置信度對所述病灶切片進行打分包括以下方式：當p＜0.8時，S=0；當p＞0.8時，S=2^((p-0.8)*10)；當p=0.8時，S=1；

式中，p為更新后的子切片圖像的所屬類別置信度，S為所述病灶切片的得分。

2.根據權利要求1所述的醫學圖像分類方法，其特征在于，所述采用已訓練的圖片分類模型預測所述更新后的子切片圖像的所屬類別之前，還包括：

構建至少兩個初始圖片分類模型、并設定各初始圖片分類模型的最優超參數；

將所述攜帶病灶標記信息的病理切片圖像樣本集輸入至各初始圖片分類模型；

采用分段常數衰減法調整各初始圖片分類模型的學習率，直至各初始圖片分類模型達到收斂；

獲取達到收斂的各初始圖片分類模型的評價參數、并根據評價參數篩選出最優的初始圖片分類模型，得到所述圖片分類模型。

3.根據權利要求1所述的醫學圖像分類方法，其特征在于，所述采用已訓練的圖片分類模型預測所述更新后的子切片圖像的所屬類別之前，還包括：

基于所述更新后的子切片圖像的光度信息，對所述更新后的子切片圖像的亮度、顏色以及飽和度進行統一化處理。

4.根據權利要求1所述的醫學圖像分類方法，其特征在于，所述對所述病理切片圖像進行分割處理，得到子切片圖像包括：

采用滑動窗口圖像處理算法，將所述病理切片圖像切分為相同尺寸的子切片圖像。

5.根據權利要求1所述的醫學圖像分類方法，其特征在于，所述得到所述病理切片圖像的分類結果之后，還包括：

根據所述分類結果，調用可視化機制算法，得到所述病灶切片的熱力圖、并將所述熱力圖與所述病灶切片疊加，所述熱力圖包括感興趣的病變區域；

根據各子切片圖像攜帶的位置信息將各子切片圖像進行拼接，合成病理切片圖像的病變區域。

6.一種醫學圖像分類裝置，所述裝置包括：

圖像分割模塊，用于獲取病理切片圖像，對所述病理切片圖像進行分割處理，得到子切片圖像；

圖像預處理模塊，用于采用閾值分割法，將所述子切片圖像中大于或等于預設像素閾值的像素區域標記為空白區域，計算所述空白區域在所在子切片圖像中的面積占比，舍棄所述空白區域的面積占比超過預設比例的子切片圖像，得到更新后的子切片圖像；

圖像置信度預測模塊，用于采用已訓練的圖片分類模型預測所述更新后的子切片圖像的所屬類別，得到各更新后的子切片圖像的所屬類別置信度，所述圖片分類模型基于不同類別的攜帶病灶標記信息的病理切片圖像樣本集訓練得到；

圖像打分模塊，用于將所述所屬類別置信度大于或等于預設閾值的子切片圖像標記為病灶切片、并根據所述所屬類別置信度對所述病灶切片進行打分，其中，根據所述所屬類別置信度對所述病灶切片進行打分包括以下方式：當p＜0.8時，S=0；當p＞0.8時，S=2^((p-0.8)*10)；當p=0.8時，S=1；式中，p為更新后的子切片圖像的所屬類別置信度，S為所述病灶切片的得分；

圖像分類模塊，用于統計所述病灶切片的得分，得到所述病理切片圖像的分類結果。