[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

本發明提供了一種基于SE?Inception的肝癌病理切片分類方法，包括：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；對構建的數據集進行預處理，預處理數據增強、數據讀取、灰度處理和數據歸一化處理；將數據集劃分為訓練集、驗證集與測試集；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?。换趶母伟┎±頂祿刑崛〉亩喑叨忍卣餍畔⒉捎蒙疃葘W習模型對肝癌病理數據進行分類。解決了數據量較少可能導致的模型欠擬合問題，同時網絡的特征提取完全由網絡自主進行，避免了主觀因素的干擾。本發明用于肝癌病理切片的分類。

技術領域

本發明屬于圖像分類技術領域，具體涉及一種基于SE-Inception的肝癌病理切片分類方法。

背景技術

肝癌的主要診斷方法是血清檢查和病理活檢。血清檢查經常需要與影像學檢查配合以做出準確的判斷，病理活檢是診斷肝癌最直接的方法。收集患者可疑區域的組織以進行直接檢查，傳統的疾病分類取決于醫生的經驗，判斷標準的主觀差異和病變的非線性特征會在一定程度上影響檢測結果的準確性。而現在主流的輔助診斷方法多采用SVM等，同樣會受到主觀因素的干擾。

現有技術存在的問題或者缺陷：現在的肝癌診斷方法主要依賴人工識別，而人工識別容易受到主觀因素的干擾，影響判斷。一些機器學習方法同樣需進行特征工程，無法完全客觀的構建智能識別網絡。

發明內容

針對上述人工識別容易受到主觀因素的干擾的技術問題，本發明提供了一種泛化能力強、誤差小、效率高的基于SE-Inception的肝癌病理切片分類方法。

為了解決上述技術問題，本發明采用的技術方案為：

一種基于SE-Inception的肝癌病理切片分類方法，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。

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。

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。