[發明專利]基于深度學習的多種染色病理圖像分類方法及系統

在審

• 申請號: 202011142354.1
• 申請日: 2020-10-23
• 公開（公告）號: CN112348059A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 萬濤;秦曾昌;孫中杰;季君予
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08;G06T7/00;G06T7/11;G06T7/33;G06T7/90
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于深度學習的多種染色病理圖像分類方法及系統，其特征在于，包括以下步驟：

針對待分類的多種染色病理圖像進行數據采集和圖像標注；

對采集后的所述多種染色病理圖像進行預處理；

通過預先訓練好的基于深度學習的多種染色病理圖像分類網絡模型，對預處理后的所述多種染色病理圖像自動提取特征，并執行基于多種染色的圖像特征融合操作，獲取多種染色病理圖像分類結果。

2.根據權利要求1所述的基于深度學習的多種染色病理圖像分類方法及系統，其特征在于，所述針對待分類的多種染色病理圖像進行數據采集和圖像標注，包括：從醫院信息系統中篩選出病灶位置包含多張不同染色的病理圖像，由經驗豐富的病理科醫師依據病灶的區域和類型，在多種染色病理圖像上相應位置進行標注。

3.根據權利要求1所述的基于深度學習的多種染色病理圖像分類方法及系統，其特征在于，所述對采集后的所述多種染色病理圖像進行預處理，包括：對采集后的所述多種染色病理圖像依次執行圖像配準操作、顏色歸一化操作、數據增強操作和構建數據集操作。

4.根據權利要求3所述的基于深度學習的多種染色病理圖像分類方法及系統，其特征在于，所述對采集后的所述多種染色病理圖像執行圖像配準操作，包括：執行在圖像多分辨率水平上的分級配準，首先在圖像低分辨率水平下對整張病理圖像進行輪廓配準，然后在此基礎上，在中分辨率水平下對整張病理圖像進行輪廓配準矯正；最后，基于輪廓配準基礎上，在高分辨率水平下對圖像病灶區域以及區域內部進行配準。

5.根據權利要求3所述的基于深度學習的多種染色病理圖像分類方法及系統，其特征在于，所述對采集后的所述多種染色病理圖像執行顏色歸一化操作，包括：采用基于染色分離的歸一化方法執行多種染色病理圖像歸一化操作。

6.根據權利要求3所述的基于深度學習的多種染色病理圖像分類方法及系統，其特征在于，所述對采集后的所述多種染色病理圖像執行數據增強操作，包括：將多種染色病理圖像中包含的病變區域進行切塊，遍歷病變區域，所獲得的病理圖像塊分別旋轉60°、90°、180°和270°，并結合隨機裁剪，產生五倍的圖像樣本。

7.根據權利要求3所述的基于深度學習的多種染色病理圖像分類方法及系統，其特征在于，所述對采集后的所述多種染色病理圖像執行構建數據集操作，包括：基于所標注的病灶區域提取大小相同的圖像塊，其中60％劃分為訓練集，20％為驗證集，剩下的20％為測試集。

8.根據權利要求1所述的基于深度學習的多種染色病理圖像分類方法及系統，其特征在于，通過預先訓練好的基于深度學習的多種染色病理圖像分類網絡模型，對預處理后的所述多種染色病理圖像自動提取特征，并執行基于多種染色的圖像特征融合操作，獲取多種染色病理圖像分類結果，包括：利用深度學習技術構建多種染色病理圖像的多分類網絡模型，通過訓練卷積神經網絡分類模型自動提取多種染色病理圖像的特征，對多種染色的病理圖像特征執行融合操作，獲得病理圖像分類結果。

9.根據權利要求8所述的基于深度學習的多種染色病理圖像分類方法及系統，其特征在于，所述對多種染色的病理圖像特征執行融合操作，包括：采用注意力(attention)機制獲得所述不同染色病理圖像特征融合的權重，將多種染色病理圖像進行融合并輸入所述多分類網絡模型。

10.基于深度學習的多種染色病理圖像分類方法及系統，其特征在于，包括權利要求1-9任一項所述的基于深度學習的多種染色病理圖像分類方法以及基于深度學習的多種染色病理圖像分類模型的訓練。