[發明專利]組織樣本的分類方法、裝置、設備和存儲介質

有效

• 申請號: 202111020293.6
• 申請日: 2021-09-01
• 公開（公告）號: CN113744798B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 蔡德;葉虎;馬兆軒;肖凱文;韓驍
• 申請（專利權）人: 騰訊醫療健康（深圳）有限公司
• 主分類號: G16B5/00
• 分類號: G16B5/00;G16B40/00;G06F18/214;G06F18/24
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 孫曉麗

1.一種組織樣本的分類方法，其特征在于，所述方法包括：

獲取目標組織樣本的圖像數據；

基于所述目標組織樣本的圖像數據和可疑陽性細胞檢測模型，確定多個可疑陽性細胞的特征向量和每個可疑陽性細胞的特征向量對應的分數值，其中，所述可疑陽性細胞為所述可疑陽性細胞檢測模型根據所述目標組織樣本中的每個細胞的特征向量，檢測出的所述目標組織樣本包含的細胞中的可能為陽性的細胞，所述分數值用于指示所述分數值對應的可疑陽性細胞的特征向量的分類結果的分類置信度；

在所述多個可疑陽性細胞的特征向量中，獲取滿足預設的分數值條件的多個參考特征向量；

基于所述多個參考特征向量，確定多個參考特征向量集合；

對于每個參考特征向量集合，將所述參考特征向量集合中的每個參考特征向量，輸入樣本分類模型，得到所述參考特征向量集合對應的每個樣本類型的概率值；

對于每個樣本類型，計算所述多個參考特征向量集合對應的所述樣本類型的概率值的平均值，得到所述每個樣本類型對應的平均概率值；

將最大的平均概率值對應的樣本類型，確定為所述目標組織樣本的目標樣本類型。

2.根據權利要求1所述的方法，其特征在于，所述在所述多個可疑陽性細胞的特征向量中，獲取滿足預設的分數值條件的多個參考特征向量，包括：

將所述多個可疑陽性細胞的特征向量，按照對應的分數值從大到小的順序排列，將前第一預設數目個特征向量，確定為所述多個參考特征向量；或者，

在所述多個可疑陽性細胞的特征向量中，獲取對應的分數值大于預設分數閾值的特征向量，確定為所述多個參考特征向量。

3.根據權利要求1所述的方法，其特征在于，所述基于所述多個參考特征向量，確定多個參考特征向量集合，包括：

在所述多個參考特征向量中，進行多次蒙特卡洛Monte-Carlo采樣，得到多個參考特征向量集合，其中，每個參考特征向量集合中包含第二預設數目個參考特征向量。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

基于所述每個參考特征向量集合對應的每個樣本類型的概率值和所述每個樣本類型對應的平均概率值，確定所述目標樣本類型的不確定度。

5.根據權利要求4所述的方法，其特征在于，所述基于所述每個參考特征向量集合對應的目標樣本類型的概率值和所述目標樣本類型對應的平均概率值，確定所述目標樣本類型的不確定度，包括：

分別計算所述每個參考特征向量集合對應的多個樣本類型的概率值與所述多個樣本類型對應的平均概率值之間的相對熵，得到每個參考特征向量集合對應的相對熵；

將所有的參考特征向量集合對應的相對熵的平均值，確定為所述目標樣本類型的不確定度。

6.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取訓練組織樣本的圖像數據和所述訓練組織樣本的樣本類型；

基于所述訓練組織樣本的樣本類型，確定概率序列數據，作為基準輸出數據，其中，所述概率序列數據是由按照預設順序排列的多個樣本類型的概率值組成的序列數據，在所述概率序列數據中，所述訓練組織樣本的樣本類型的概率值為1，除所述訓練組織樣本的樣本類型以外的其他樣本類型的概率值為0；

基于所述訓練組織樣本的圖像數據和所述可疑陽性細胞檢測模型，確定所述訓練組織樣本對應的多個可疑陽性細胞中每個可疑陽性細胞的特征向量和每個可疑陽性細胞的特征向量對應的分數值；

將所述多個可疑陽性細胞的特征向量，按照對應的分數值從大到小的順序排列，獲取前第一預設數目個特征向量，確定為多個樣本特征向量；

在多個樣本特征向量中，進行多次Monte-Carlo采樣，得到樣本特征向量集合，其中，所述樣本特征向量集合中包含第二預設數目個樣本特征向量；

將所述樣本特征向量集合中的每個樣本特征向量，輸入待訓練的樣本分類模型，得到實際輸出數據；

基于所述實際輸出數據和所述基準輸出數據，對所述待訓練的樣本分類模型進行訓練，得到經過訓練的所述樣本分類模型。