【技术实现步骤摘要】
一种宫颈病理图像异常细胞识别方法、系统及存储介质
[0001]本申请涉及医学图像处理
,具体而言,涉及一种宫颈病理图像异常细胞识别方法、系统及存储介质。
技术介绍
[0002]宫颈癌是严重威胁女性健康的常见恶性肿瘤,但是宫颈癌病因明确,是一种能够早发现和早预防的癌症。传统的宫颈癌筛查方法主要是将宫颈的脱落细胞制成宫颈病理图像,病理医生从宫颈病理图像的细胞形态中观察是否存在异常细胞。由于宫颈病理图像数量巨大,导致病理医生工作强度很大,而且传统的宫颈癌细胞筛查方法高度依赖病理医生的专业知识与诊断经验,若医生经验不足则容易导致误诊。由此,采用何种快速、准确、高效的宫颈异常细胞识别方法,解决病理医生不足、病人诊断难、出结果慢等问题,以实现宫颈癌诊断的自动化,是本申请着力解决的问题。
技术实现思路
[0003]本申请实施例的目的在基于提供一种宫颈病理图像异常细胞识别方法、系统及存储介质,可以实现宫颈癌诊断的自动化。
[0004]本申请实施例还提供一种宫颈病理图像异常细胞识别方法,包括以下步骤:
[0005]S1、确定多类历史宫颈细胞图像;
[0006]S2、基于所述多类历史宫颈细胞图像构建模型训练集;
[0007]S3、选取ResNet网络作为原始的基准网络模型,并在所述ResNet网络的基本残差块之后增加CA模块,得到初始异常细胞识别模型,其中,所述CA模块用于对基本残差块的输出进行注意力权重特征提取,得到在宽度和高度方向上带有注意力权重的目标特征图;
[0008 ...
【技术保护点】
【技术特征摘要】
1.一种宫颈病理图像异常细胞识别方法,其特征在于,包括以下步骤:S1、确定多类历史宫颈细胞图像;S2、基于所述多类历史宫颈细胞图像构建模型训练集;S3、选取ResNet网络作为原始的基准网络模型,并在所述ResNet网络的基本残差块之后增加CA模块,得到初始异常细胞识别模型,其中,所述CA模块用于对基本残差块的输出进行注意力权重特征提取,得到在宽度和高度方向上带有注意力权重的目标特征图;S4、将所述模型训练集输入到初始异常细胞识别模型中进行模型训练,并训练结束时,得到目标异常细胞识别模型;S5、基于所述目标异常细胞识别模型进行宫颈病理图像异常细胞识别,并输出相应诊断结果。2.根据权利要求1所述的方法,其特征在于,步骤S1中,所述确定历史宫颈细胞图像,包括:S11、获取初始历史宫颈细胞图像;S12、采用预设的尺寸调整方式,将所述初始历史宫颈细胞图像调整到预设尺寸,得到标准尺寸图像;S13、按照预设的图像增强方式,对所述标准尺寸图像进行增强处理,得到增强图像;S14、基于所述增强图像进行分类处理,得到多类历史宫颈细胞图像。3.根据权利要求2所述的方法,其特征在于,步骤S12中,所述采用预设的尺寸调整方式,将所述初始历史宫颈细胞图像调整到预设尺寸,得到标准尺寸图像,包括:S121、采用预设的尺寸调整方式,对所述初始历史宫颈细胞图像进行缩放处理,得到缩放图像;S122、获取所述缩放图像的图像尺寸,并在确定所述图像尺寸大于预设尺寸时,对所述缩放图像进行裁剪处理,得到标准尺寸图像;S123、在确定所述图像尺寸小于预设尺寸时,对所述缩放图像进行边缘零填充处理,得到标准尺寸图像;S124、在确定所述图像尺寸等于预设尺寸时,将所述缩放图像作为标准尺寸图像。4.根据权利要求1所述的方法,其特征在于,步骤S14中,所述多类历史宫颈细胞图像包括反映浅中层鳞状细胞特征的第一类历史宫颈细胞图像、反映柱状上皮细胞特征的第二类历史宫颈细胞图像、反映轻度异常细胞特征的第三类历史宫颈细胞图像、反映中度异常细胞特征的第四类历史宫颈细胞图像、以及反映类癌细胞特征的第五类历史宫颈细胞图像。5.根据权利要求1所述的方法,其特征在于,步骤S3中,所述CA模块包括:两个并行的平均池化模块;连接到所述两个并行的平均池化模块的通道降维模块;连接到所述通道降维模块的注意力特征提取模块;两个并行的、且连接到所述注意力特征提取模块的通道升维模块;连接到两个并行的通道升维模块的注意力权重计算模块;连接到所述注意力权重计算模块的乘法加权计算模块。6.根据权利要求5所述的方法,其特征在于,步骤S3中,所述目标特征图通过以下步骤处理得到:
S31、基于所述两个并行的平均池化模块,分别沿着宽度、高度两个空间方向对经由所述基本残差块输出的原始特征图进行特征聚合,得到对应的第一宽度特征图以及第一高度特征图;S32、基于所述通道降维模块,依次对所述第一宽度特征图和所述第一高度特征图进行拼接处理、以及按照预设的降维比例对所得的拼接图像进行通道降维处理,得...
【专利技术属性】
技术研发人员:魏登峰,杜文飞,周晓龙,李鹏,李萌,周丽,
申请(专利权)人:荆州市中心医院长江大学附属荆州医院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。