病理切片图像智能分类方法及装置制造方法及图纸

本发明专利技术公开了一种病理切片图像智能分类方法及装置，方法包括：对预置的正常样本及癌症样本中的每一幅病理切片图像进行图像处理，得到正常样本和癌症样本的训练数据，训练数据包含相似度指标的均值集合、方差集合及信息熵集合，并基于训练数据对预置的机器分类模型进行训练，以便利用训练后的机器分类模型确定待分类病理切片图像的类型，通过引入信息熵作为图像结构混乱程度的一个独立维度，则可达到定量描述肿瘤细胞或组织的分化程度的目的，且通过利用包含信息熵集合的训练数据对机器分类模型进行训练，使得能够有效提高病理切片图像智能分类的准确性。

Intelligent classification method and device for pathological slice image

The invention discloses a device and a smart, pathological image classification methods include: every piece of pathological images of normal and cancer samples preset in the sample image processing, normal and cancer samples samples of the training data, the training data contains similar mean index sets, variance set and information entropy set the classification of the training data, and machine preset model based on training, so that the use of machine classification model after training to determine the type of classification of pathological images, the information entropy is introduced as the image structure chaos degree of an independent dimension, it can achieve the quantitative description of the degree of differentiation of tumor cells or tissues for the purpose, and by by including training on machine classification model training data set information entropy, which can effectively improve the pathological images of wisdom Accuracy of classification.

【技术实现步骤摘要】
病理切片图像智能分类方法及装置
本专利技术涉及图像处理领域，尤其涉及一种病理切片图像智能分类方法及装置。
技术介绍
正常细胞在个体发育中表现出来的形态结构和功能上发生稳定性的差异过程称为细胞分化，分化程度越高，差异就越大。体内部分细胞由于基因突变失去正常死亡调控，分裂增生失去控制，无序过度增殖等导致正常组织结构遭受破坏，成为癌症细胞。分化在肿瘤病理学中常指肿瘤细胞与其起源的正常细胞的相似程度，是肿瘤良恶性鉴别的主要依据，分化高的肿瘤具有良性行为，分化低的肿瘤多有恶性表现。病理切片图像分析的主要任务就是甄别肿瘤细胞或组织在显微镜下表现出有别于正常细胞或组织的结构特征，通常需要辅助予HE染色等标记手段。光镜观察对细胞核形态只能作大致的描述，易带主观性，缺乏精确而更为客观的定量标准。近年来，科技进步促使病理学的研究手段已远远超越了传统的形态观察，而涌现出许多新方法、新技术，从根本上要求分析工作往客观化、定量化的标准发展。形态定量分析量化反映组织和细胞的形态结构，可排除主观因素的影响，在肿瘤病理方面图像分析主要是核形态参数的测定，区别癌前病变和癌，区别肿瘤的良恶性，肿瘤组织病理分级及判断预后本文档来自技高网...

【技术保护点】
一种病理切片图像智能分类方法，其特征在于，所述方法包括：对预置的正常样本及癌症样本中的每一幅病理切片图像进行图像处理，得到所述正常样本和所述癌症样本的训练数据，所述训练数据包含相似度指标的均值集合、方差集合及信息熵集合；基于所述正常样本和所述癌症样本的训练数据对预置的机器分类模型进行训练，得到训练后的机器分类模型；将待分类病理切片图像输入所述训练后的机器分类模型，且将所述训练后的机器分类模型输出的类型作为所述待分类病理切片图像的类型。

【技术特征摘要】
1.一种病理切片图像智能分类方法，其特征在于，所述方法包括：对预置的正常样本及癌症样本中的每一幅病理切片图像进行图像处理，得到所述正常样本和所述癌症样本的训练数据，所述训练数据包含相似度指标的均值集合、方差集合及信息熵集合；基于所述正常样本和所述癌症样本的训练数据对预置的机器分类模型进行训练，得到训练后的机器分类模型；将待分类病理切片图像输入所述训练后的机器分类模型，且将所述训练后的机器分类模型输出的类型作为所述待分类病理切片图像的类型。2.根据权利要求1所述的方法，其特征在于，所述对预置的正常样本及癌症样本中的每一幅病理切片图像进行图像处理，得到所述正常样本及所述癌症样本的训练数据的步骤包括：对所述正常样本及所述癌症样本中的每一幅病理切片图像进行以下处理：读取病理切片图像含结构信息的三维图像，所述三维图像由各像素点的光子数分布构成第三维度；提取所述三维图像中由第三维度数据集决定的各像素点的相似度指标；利用所述各像素点的相似度指标计算所述病理切片图像的相似度指标的均值，方差及信息熵；所述步骤还包括：将所述正常样本中所有病理切片图像的相似度指标的均值、方差及信息熵分别归类为所述正常样本的相似度指标的均值集合、方差集合及信息熵集合，以作为所述正常样本的训练数据，及将所述癌症样本中所有病理切片图像的相似度指标的均值、方差及信息熵分别归类为至少一种类别的相似度指标的均值集合、方差集合及信息熵集合，以作为所述癌症样本的训练数据。3.根据权利要求2所述的方法，其特征在于，若所述三维图像为荧光寿命成像，则所述提取所述三维图像中由第三维度数据集决定的各像素点的相似度指标的步骤包括：利用采集到的各像素点对应的时间衰减曲线进行最小二乘拟合得到各像素点的荧光寿命，将所述各像素点的荧光寿命作为所述各像素点的相似度指标；或者，利用预置的相位映射算法计算所述各像素点的荧光寿命，将所述各像素点的荧光寿命作为所述各像素点的相似度指标。4.根据权利要求3所述的方法，其特征在于，若所述三维图像为拉曼成像，则所述提取所述三维图像中由第三维度数据集决定的各像素点的相似度指标的步骤包括：利用预置的皮尔逊互相关算法对各像素点的拉曼光谱分别进行两两互相关运算，得到所述各像素点的拉曼光谱相关系数矩阵，将所述各像素点的拉曼光谱相关系数矩阵作为所述各像素点的相似度指标。5.根据权利要求1至3任意一项所述的方法，其特征在于，所述机器分类模型是支持向量机神经网络模型，或者是基于贝叶斯的线性或...

【专利技术属性】
技术研发人员：屈军乐，陈秉灵，罗腾，林丹樱，彭晓，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44