[發明專利]一種圖像識別模型的訓練方法、圖像識別方法及裝置在審

申請號：	202010598347.6	申請日：	2020-06-28
公開（公告）號：	CN113935385A	公開（公告）日：	2022-01-14
發明（設計）人：	胡冉杰;王旭浩;馬靖博;唐明軒;黃承基	申請（專利權）人：	中移（成都）信息通信科技有限公司;中國移動通信集團有限公司
主分類號：	G06K9/62	分類號：	G06K9/62;G06T7/00
代理公司：	北京東方億思知識產權代理有限責任公司 11258	代理人：	彭瓊
地址：	610041 四川省成都市中國（四川***	國省代碼：	四川;51
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種圖像識別模型訓練方法裝置
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明實施例提供了一種圖像識別模型的訓練方法、圖像識別方法及裝置。圖像識別模型的訓練方法包括：獲取第一樣本病理切片的切片圖像和第一樣本病理切片的切片圖像的預設鄰域圖像；以及，獲取切片圖像的圖像特征、預設鄰域圖像的圖像特征和第一樣本病理切片的切片圖像對應的分類標簽；將切片圖像的圖像特征和預設鄰域圖像的圖像特征結合，得到待分類樣本切片；根據待分類樣本切片和分類標簽，對預設分類模型進行訓練，得到圖像識別模型。本發明實施例能夠降低在根據病理切片圖像進行識別判斷的計算復雜度，以及降低計算成本。

技術領域

本發明屬于圖像處理領域，尤其涉及一種圖像識別模型的訓練方法、圖像識別方法及裝置。

背景技術

為探討器官、組織或細胞所發生的疾病過程，可采用某種病理形態學檢查的方法。目前，隨著各種內窺鏡和影像診斷技術的不斷進步，在病理形態學的檢查的過程中，越來越多的結合計算機輔助診斷。

現有的病理形態學的檢查方法中，其中一種是基于深度學習的方法。由于病理切片具有超高的分辨率，無法直接放入神經網絡，這就需要先將病理切片分割成小圖，將小圖放進神經網絡進行深度學習。而由于小圖中存在有大量的負樣本，正負樣本極度不均衡，在使用深度學習的方法對病理切片的小圖進行判斷，獲得的判斷結果的精確率和召回率通常都很低。

發明內容

本發明實施例提供一種圖像識別模型的訓練方法、圖像識別方法及裝置，能夠降低在根據病理切片圖像進行識別判斷的計算復雜度，以及降低計算成本。

第一方面，本發明提供一種圖像識別模型的訓練方法，該方法包括：獲取第一樣本病理切片的切片圖像和第一樣本病理切片的切片圖像的預設鄰域圖像；以及，

獲取切片圖像的圖像特征、預設鄰域圖像的圖像特征和第一樣本病理切片的切片圖像對應的分類標簽；

將切片圖像的圖像特征和預設鄰域圖像的圖像特征結合，得到待分類樣本切片；

根據待分類樣本切片和分類標簽，對預設分類模型進行訓練，得到圖像識別模型。

在第一方面的一些可實現方式中，獲取第一樣本病理切片的切片圖像和第一樣本病理切片的切片圖像的預設鄰域圖像，包括：

通過海森矩陣對第一樣本病理切片進行圖像增強處理，得到第二樣本病理切片；

根據預設的滑動窗口，對第二樣本病理切片進行分割，獲得切片圖像和樣本切片圖像的預設鄰域圖像。

在第一方面的一些可實現方式中，獲取切片圖像的圖像特征、預設鄰域圖像的圖像特征，包括：

將切片圖像和預設鄰域圖像分別輸入訓練好的預設特征提取模型，得到切片圖像的圖像特征和預設鄰域圖像的圖像特征。

在第一方面的一些可實現方式中，訓練好的預設特征提取模型根據切片圖像訓練得到。