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。可选地，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。可选地，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。可选地，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。为实现上述目的，根据本专利技术实施例的第二个方面，提出了一种用于乳腺癌淋巴转移病理图像的处理装置，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样本集；第三处理模块，用于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；第四处理模块，用于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。可选地，所述第二处理模块还用于：将所述范例图像分割为多个预设尺寸的范例图像块；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。可选地，所述第四处理模块还用于：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；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；根据所述事件概率热力图确认目标区域。可选地，所述第四处理模块还用于：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。为实现上述目的，根据本专利技术实施例的第三个方面，提出了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术的用于乳腺癌淋巴转移病理图像的处理方法。为实现上述目的，根据本专利技术实施例的第四个方面，提出了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本专利技术的用于乳腺癌淋巴转移病理图像的处理方法。上述专利技术中的任一个实施例采用深度学习的技术实现图像的自动分类，提高了工作效率，降低了失误概率。上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。附图说明附图用于更好地理解本专利技术，不构成对本专利技术的不当限定。其中：图1是根据本专利技术实施例的用于乳腺癌淋巴转移病理图像的处理方法的主要步骤的示意图；图2是根据本专利技术实施例的用于乳腺癌淋巴转移病理图像的处理装置的主要模块的示意图；图3是用来实现本专利技术实施例的用于用于乳腺癌淋巴转移病理图像的处理方法的电子设备的硬件结构示意图。具体实施方式以下结合附图对本专利技术的示范性实施例做出说明，其中包括本专利技术实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本专利技术的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。本专利技术旨在提出一种人工智能的用于乳腺癌淋巴转移病理图像的处理方法以及装置，解决现有技术中的人工处理中的主观性强、一致性差、精确度低、准确性差的问题，具有客观公正，重复性好，精确度高，准确度好，省时省力的优点。图1是根据本专利技术实施例的用于乳腺癌淋巴转移病理图像的处理方法的主要步骤的示意图。如图1所示，该实施例的用于乳腺癌淋巴转移病理图像的处理方法主要包括如下步骤。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。需要说明的是，本专利技术实施例的用于乳腺癌淋巴转移病理图像的处理方法可以用于处理病理图像，但也可以用于处理普通的非病理图像。即是说：范例图像可以为范例病理图像，也可以为范例普通图像。其中，范例图像是由原始图像经过饱和度阈值分割二值化处理，然后去除图像的背景区域并提取图像前景区域之后优化得到的。例如：将原始图像从RGB(红-绿-蓝)颜色空间转换至HSV(色调-饱和度-明度)颜色空间，然后在图像HSV颜色空间的饱和度S分量上，采用阈值分割方法将图像将组织部分和背景部分分离，得到图像分割二值图。然后仅仅保留数值高于预设饱和度阈值的部分图像，即保留组织区域。最后通过一系列的图像腐蚀和图像膨胀等操作，将组织区域对应的图像中的小连通区域去掉，并且填满组织区域中存在的小洞。其中腐蚀、膨胀操作的效果是找到图像中的明显极大值区域；去掉小的联通区域的效果是去除噪声；填满组织区域中存在的小洞操作的效果是为了得到最大联通区域。至此，完成了图像优化过程，得到了优化处理后的范例图像。其中，范例图像标定信息用于记录外界输入的关于范例图像中的某处组织区域为某种病变程度的详细信息。例如：可以是由专业医生在计算机的输入端输入肿瘤区域的位置信息(例如利用鼠标在显示屏显示的范例图像上圈出肿瘤区域)，这些肿瘤区域内的像素点的坐标信息可以在计算机上以xml文件格式记录保存，这样就获得了xml文件格式的范例图像信息。步骤S2：根据范例图像和所述范例图像标定信息生成训练样本集。本步骤具体包括如下的步骤S21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