[發明專利]基于宮頸細胞切片圖像的自適應的學習方法和學習系統

有效

• 申請號: 202210055879.4
• 申請日: 2022-01-18
• 公開（公告）號: CN114140465B
• 公開（公告）日: 2023-01-10
• 發明（設計）人: 劉凱;汪進;陳睿
• 申請（專利權）人: 賽維森(廣州)醫療科技服務有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/194;G06V10/56;G06V10/764;G06N20/00
• 代理公司: 深圳舍穆專利代理事務所(特殊普通合伙) 44398
• 代理人: 黃賢炬

本公開描述一種基于宮頸細胞切片圖像的自適應的學習方法和學習系統，學習方法包括：準備第一預設數量的來自于第一目標源的已標注的宮頸細胞切片圖像以獲得主干訓練集，通過主干訓練集獲得第一訓練集和第二訓練集，利用第一訓練集對特征組合模型進行訓練，利用第二訓練集對特征分類模型進行訓練；將需要進行分類的宮頸細胞切片圖像的來源設定為第二目標源，準備第二預設數量的來自于第二目標源的已標注的宮頸細胞切片圖像以獲得第三訓練集，利用第三訓練集對訓練好的特征分類模型進行調整以獲取自適應特征分類模型，利用訓練好的特征組合模型和自適應特征分類模型獲得自適應模型。由此，能夠自適應不同來源的病理玻片數字圖像。

技術領域

本公開大體涉及一種基于宮頸細胞切片圖像的自適應的學習方法和學習系統。

背景技術

宮頸癌是一種嚴重威脅女性健康的惡性腫瘤。若在早期發現宮頸癌并進行治療可以降低宮頸癌的發病率和死亡率。因此，定期對宮頸癌進行篩查顯得尤為重要。

目前針對宮頸癌用的篩查手段一般是宮頸細胞篩查。隨著計算機輔助診斷(computer aided diagnosis，CAD)和計算機輔助檢測(computer aided detection，CAD)的廣泛應用，越來越多的圖像處理技術被應用到宮頸細胞篩查中。

然而，由于不同醫院之間制片手法、掃描儀等條件的差異，導致不同醫院宮頸細胞切片的成像效果有較大差別且收集不同醫院的宮頸細胞切片圖像存在一定的難度，導致分類模型的泛化性能較差。在這種情況下，基于一個來源的宮頸細胞切片圖像進行訓練的機器學習模型往往無法在另一個來源的宮頸細胞切片圖像上表現一致。

發明內容

本公開是有鑒于上述的狀況而提出的，其目的在于提供一種能夠自適應不同來源的宮頸細胞切片圖像的基于宮頸細胞切片圖像的自適應的學習方法和學習系統。

為此，本公開第一方面提供了一種基于宮頸細胞切片圖像的自適應的學習方法，是用于主干模型的學習方法，所述主干模型包括用于獲取第一組合特征的特征組合模型和用于獲取分類結果的特征分類模型，所述主干模型用于自適應地對具有不同來源的宮頸細胞切片圖像進行分類，其所述學習方法包括：準備第一預設數量的來自于第一目標源的已標注的宮頸細胞切片圖像以獲得主干訓練集，通過所述主干訓練集獲得第一訓練集和第二訓練集，利用所述第一訓練集對所述特征組合模型進行訓練，利用所述第二訓練集對所述特征分類模型進行訓練；將需要進行分類的宮頸細胞切片圖像的來源設定為第二目標源，準備第二預設數量的來自于第二目標源的已標注的宮頸細胞切片圖像以獲得第三訓練集，所述第一預設數量大于所述第二預設數量，利用所述第三訓練集對訓練好的所述特征分類模型進行調整以獲取自適應特征分類模型，利用訓練好的所述特征組合模型和所述自適應特征分類模型獲得自適應模型。

在這種情況下，利用數據量較大的主干訓練集對主干模型進行訓練并利用與主干訓練集來源不同的小批量數據對訓練好的主干模型中的特征分類模型進行微調，進而自適應地對來源不同的病理玻片數字圖像進行分類。由此，能夠提高泛化能力。

另外，在本公開第一方面所涉及的學習方法中，可選地，所述宮頸細胞切片圖像包括多種分辨率的切片彩色圖像，所述切片彩色圖像具有包含內容物的有效區域。

另外，在本公開第一方面所涉及的學習方法中，可選地，準備所述宮頸細胞切片圖像后，對所述宮頸細胞切片圖像進行預處理以獲得目標切片彩色圖像的有效區域，在所述預處理中，從所述宮頸細胞切片圖像中選取第一分辨率的切片彩色圖像作為參考切片彩色圖像，選取第二分辨率的切片彩色圖像作為目標切片彩色圖像，所述第一分辨率小于所述第二分辨率，基于所述參考切片彩色圖像的有效區域獲取所述參考切片彩色圖像的有效區域。