用于乳腺癌淋巴转移病理图像的处理方法和装置制造方法及图纸

本发明专利技术提供一种用于乳腺癌淋巴转移病理图像的处理方法和装置。本发明专利技术的用于乳腺癌淋巴转移病理图像的处理方法包括：步骤S1：获取范例图像，然后获取范例图像对应的范例图像标定信息；步骤S2：根据范例图像和范例图像标定信息生成训练样本集；步骤S3：根据训练样本集进行深度学习网络的训练和参数优化，得到卷积神经网络模型；步骤S4：利用卷积神经网络模型对测试图像进行测试，检出目标区域。本发明专利技术的用于乳腺癌淋巴转移病理图像的处理方法和装置采用深度学习的技术实现图像的自动分类，解决人工阅片分类工作的一致性差、精确度低等技术问题，提高了工作效率，降低了失误概率。

【技术实现步骤摘要】
用于乳腺癌淋巴转移病理图像的处理方法和装置
本专利技术涉及计算机
，尤其涉及一种用于乳腺癌淋巴转移病理图像的处理方法和装置。
技术介绍
随着医疗图像科学技术不断发展，医学影像检查的重要性日益增加。医务工作者能够获取更多数量更高清晰度的医学图像，对这些医学图像进行观察和分析，最后做出分类评价。现有技术主要是依靠经验丰富的医生进行人工阅片分析数据。具体做法是医生对病变组织制成的病理切片在显微镜下进行观察，通过不停的手动调整物镜的放大倍数手动逐步扫描切片，采用病理形态学检查方法，判断出病变区域的具体位置以及鉴定各个病变区域对应的病变程度或病变类型。由上可知，现有技术具有费时费力的缺点，另外现有技术主要依赖阅片者的经验，具有主观性强、一致性差、精确度低、准确性差(例如，乳腺癌的淋巴结的小转移很难被发现，容易被漏诊)等缺点。
技术实现思路
有鉴于此，本专利技术实施例提供一种用于乳腺癌淋巴转移病理图像的处理方法和装置，能够解决人工阅片分类工作的一致性差、精确度低等技术问题。为实现上述目的，根据本专利技术实施例的第一个方面，提供了一种用于乳腺癌淋巴转移病理图像的处理方法，包括：步骤S1：获取范例本文档来自技高网...

【技术保护点】
一种用于乳腺癌淋巴转移病理图像的处理方法，其特征在于，包括：步骤S1：获取范例图像，然后获取所述范例图像对应的范例图像标定信息；步骤S2：根据所述范例图像和所述范例图像标定信息生成训练样本集；步骤S3：根据所述训练样本集进行深度学习网络的训练和参数优化，得到卷积神经网络模型；步骤S4：利用所述卷积神经网络模型对测试图像进行测试，检出目标区域。

【技术特征摘要】
1.一种用于乳腺癌淋巴转移病理图像的处理方法，其特征在于，包括：步骤S1：获取范例图像，然后获取所述范例图像对应的范例图像标定信息；步骤S2：根据所述范例图像和所述范例图像标定信息生成训练样本集；步骤S3：根据所述训练样本集进行深度学习网络的训练和参数优化，得到卷积神经网络模型；步骤S4：利用所述卷积神经网络模型对测试图像进行测试，检出目标区域。2.根据权利要求1所述的方法，其特征在于，步骤S2包括：步骤S21：将所述范例图像分割为多个预设尺寸的范例图像块；步骤S22：参照所述范例图像标定信息，利用特征点判断法确定各个所述范例图像块的样本正负属性，以得到包含范例图像块正样本和范例图像块负样本的训练样本集。3.根据权利要求1所述的方法，其特征在于，步骤S4包括：步骤S41：将所述测试图像分割成多个测试图像块，然后对各个所述测试图像块利用卷积神经网络模型进行分类，得到各个测试图像块对应的事件概率；步骤S42：根据所述各个测试图像块及其对应的事件概率绘制事件概率热力图；步骤S43：根据所述事件概率热力图确认目标区域。4.根据权利要求3所述的方法，其特征在于，步骤S43包括：在所述事件概率热力图中提取事件概率大于预设概率阈值的区域，作为候选目标区域；对各个所述候选目标区域提取基于统计和形态的特征向量并使用随机森林法进行分类，最终确定该候选目标区域是否为所述目标区域。5.一种用于乳腺癌淋巴转移病理图像的处理装置，其特征在于，包括：第一处理模块，用于获取范例图像，然后获取所述范例图像对应的范例图像标定信息；第二处理模块，用于根据所述范例图像和所述范例图像标定信息生成训练...

【专利技术属性】
技术研发人员：万涛，徐通，丁鹏，
申请(专利权)人：北京羽医甘蓝信息技术有限公司，
类型：发明
国别省市：北京,11