[發明專利]一種基于SE-Inception的肝癌病理切片分類方法

在審

• 申請號: 202110302588.6
• 申請日: 2021-03-22
• 公開（公告）號: CN113052228A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 潘曉光;潘曉輝;焦璐璐;令狐彬;張娜
• 申請（專利權）人: 山西三友和智慧信息技術股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08;G06T3/40;G06T3/60;G06T5/00;G16H50/20
• 代理公司: 太原榮信德知識產權代理事務所(特殊普通合伙) 14119
• 代理人: 楊凱;連慧敏

1.一種基于SE-Inception的肝癌病理切片分類方法，其特征在于：包括以下步驟：

S1、數據采集，獲取肝癌病理切片照片和正常肝臟切片照片，并將照片縮放成預設大小后構建數據集；

S2、數據預處理，對構建的數據集進行預處理，所述預處理包括數據增強、數據讀取處理、灰度處理和數據歸一化處理；

S3、數據集劃分，將數據集劃分為訓練集、驗證集與測試集；

S4、學習模型構建，構建基于Inception-V3網絡和SENet模塊的深度學習模型，采用訓練集對該模型進行訓練，用于對肝癌病理數據進行多尺度的特征提取，并對深度學習模型進行驗證和評估；

S5、肝癌病理切片分類，基于從肝癌病理數據集中提取的多尺度特征信息采用深度學習模型對肝癌病理數據進行分類。

2.根據權利要求1所述的一種基于SE-Inception的肝癌病理切片分類方法，其特征在于：所述S2中數據讀取處理的方法為：

S2.1、將數據增強后得到的圖片數據與原始數據圖片混合；

S2.2、讀取混合圖片并保存為矩陣形式，矩陣形式為(n,x,y,f)，其中，n為圖片編號，x與y為圖片對應位置像素點，f為數據通道數；

S2.3、將數據對應標簽同樣保存為矩陣形式，矩陣形式為(n,l)，其中，n為圖片編號，l為標簽，l＝1代表此條輸出為肝癌病理切片，l＝0代表此條數據為正常肝臟切片。

3.根據權利要求1所述的一種基于SE-Inception的肝癌病理切片分類方法，其特征在于：所述S2中灰度處理的方法為：

Grey＝0.299*R+0.587*G+0.114*B，其中，R為第一個通道即f＝0時的數據，G為第一個通道即f＝1時的數據，B為第三個通道即f＝2時的數據，將3個通道的數據進行組合，得到單通道的灰度數據，灰度數據的數據形式為(n,x,y)，其中n為圖片編號，x與y為灰度處理后圖片對應位置像素點。

4.根據權利要求1所述的一種基于SE-Inception的肝癌病理切片分類方法，其特征在于：所述S2中數據歸一化處理的方法為：將灰度處理后得到的灰度進行歸一化處理，將原始數據均轉換為無量綱化指標測評值，即各指標值都處于同一個數量級別上；將灰度數據的所有像素點除以255，將所有數據歸一化到[0,1]范圍內。

5.根據權利要求1所述的一種基于SE-Inception的肝癌病理切片分類方法，其特征在于：所述S3中訓練集、驗證集與測試集的比例為7：1：2，所述訓練集用于網絡進行參數訓練，獲取肝癌切片分類識別模型；所述驗證集用于檢測訓練得到的網絡是否發生欠擬合，所述測試集用于對網絡識別效果進行評價。

6.根據權利要求1所述的一種基于SE-Inception的肝癌病理切片分類方法，其特征在于：所述S4中的Inception-v3網絡包括5層，第一層為最后一次為網絡的輸入層與輸出層，第二層包括3個1*1卷積層與1個最大池化層，第三層為2個3*3卷積層與一個1*1卷積層，第四次為1個3*3卷積層；其中，第三層網絡3*3卷積的輸入為第二層1*1卷積的輸出，1*1卷積的輸入為第二層池化層的輸出，第四層3*3卷積的輸入為第三層一個3*3卷積的輸出；網絡最后將第四層的輸出、第三次層一個3*3卷積的輸出與1*1卷積的輸出、第二層1*1卷積的輸出進行concate，作為該網絡的輸出。

7.根據權利要求1所述的一種基于SE-Inception的肝癌病理切片分類方法，其特征在于：所述S4中的SENet模塊包括5個SE-Inception和一個全連接層，全連接層用于將SE-Inception提取到的特征進行最終分類，分類結果使用Sigmoid進行輸出，輸出值小于0.5的，則認為是正常肝臟，大于等于0.5的認為是肝癌切片。