女性生殖道细胞病理智能分类方法、诊断仪及存储介质技术

本发明专利技术公开了一种女性生殖道细胞病理智能分类方法，该方法是在卷积神经网络的基础上实施，具体包括以下步骤：构建女性生殖道细胞智能分类卷积神经网络模型；获取训练样本，训练样本为多个种类女性生殖道细胞图像；对所有女性生殖道细胞图像中的目标细胞进行标注；对标注后的女性生殖道细胞图像进行预处理；将预处理后的女性生殖道细胞图像输入智能分类卷积神经网络模型中，将待检测的女性生殖道细胞图像输入训练完成后的女性生殖道细胞智能分类卷积神经网络模型，获得分类及判断结果。本发明专利技术能实现对女性生殖道各类细胞进行阴阳性判断以及对阳性女性生殖道细胞进行具体病变类型分类，实现自动识别分类，达到智能诊断的目的。

Intelligent Classification, Diagnostic Instrument and Storage Medium of Female Genital Tract Cell Pathology

The invention discloses an intelligent classification method for female genital tract cell pathology, which is implemented on the basis of convolution neural network, and includes the following steps: constructing a convolution neural network model for intelligent classification of female genital tract cells; acquiring training samples and training samples for multiple types of female genital tract cell images; and achieving fine targets in all female genital tract cell images. Cells are labeled; the labeled images of female genital tract cells are preprocessed; the pre-processed images of female genital tract cells are input into the intelligent classification convolution neural network model, and the detected images of female genital tract cells are input into the intelligent classification convolution neural network model of female genital tract cells after training, and the classification and judgment results are obtained. The invention can realize the negative and positive judgement of various types of cells of female genital tract and the classification of specific pathological changes of positive female genital tract cells, realize automatic recognition and classification, and achieve the purpose of intelligent diagnosis.

【技术实现步骤摘要】
女性生殖道细胞病理智能分类方法、诊断仪及存储介质
本专利技术涉及细胞图像处理
，尤其涉及一种女性生殖道细胞病理智能分类方法、诊断仪及存储介质。
技术介绍
病理学被誉为“医学之本”，是医学诊断的“金标准”；病理医生的根本任务是对疾病作出最终诊断，发现和探索新发的病种，为临床医生提供治疗和预防的依据。但是，单纯通过病理医生进行诊断存在以下不足：(1)病理诊断虽然是医学诊断的“金标准”，但是由于病理医师资历，水平及对疾病的认知能力的不同，病理诊断的含金量不同，人工诊断主观性强、缺乏质控，病理诊断精准率差异较大；(2)待诊病例与诊断病理医师的比例严重失调，病理医生通常需要日以继夜地超负荷工作，影响病理医生的身心健康；(3)筛选、诊断及确诊的时间过长，不能准确及时发出诊断报告。
技术实现思路
为了克服现有技术的不足，本专利技术的目的之一在于提供一种女性生殖道细胞病理智能分类方法，其能实现对女性生殖道细胞进行阴阳性判断及对阳性女性生殖道细胞进行具体病变类型分类。本专利技术的目的之二在于提供一种女性生殖道细胞病理智能诊断仪，其能实现对女性生殖道细胞进行阴阳性判断以及对阳性女性生殖道细胞进行具体病变类型分类。本专利技术的目的之三在于提供一种计算机可读存储介质，该存储介质中的程序运行时能实现对女性生殖道细胞进行阴阳性判断以及对阳性女性生殖道细胞进行具体病变类型分类。本专利技术的目的之一采用如下技术方案实现：一种女性生殖道细胞病理智能分类方法，所述方法基于卷积神经网络的基础上实施，具体步骤以下：构建女性生殖道细胞智能分类卷积神经网络模型；获取训练样本，所述训练样本为多个种类女性生殖道细胞图像，其中，所述女性生殖道细胞图像包括女性生殖道细胞的正常细胞图像及对应的病变细胞图像；对所有女性生殖道细胞图像中的目标细胞进行标注；对标注后的女性生殖道细胞图像进行预处理；将预处理后的女性生殖道细胞图像输入所述女性生殖道细胞智能分类卷积神经网络模型中，对所述女性生殖道细胞智能分类卷积神经网络模型进行训练，使所述女性生殖道细胞智能分类卷积神经网络模型被训练成为女性生殖道细胞智能分类器，其中，所述女性生殖道细胞智能分类卷积神经网络模型对输入的女性生殖道细胞图像的处理流程包括：a、检测女性生殖道细胞区域；b、判别女性生殖道细胞阴阳性并进行分类，阴性为正常细胞，阳性为病变细胞；c、将阳性女性生殖道细胞进行分类；将待检测的女性生殖道细胞图像输入训练完成后的女性生殖道细胞智能分类卷积神经网络模型中；训练完成后的女性生殖道细胞智能分类卷积神经网络模型检测所述待检测的女性生殖道细胞图像的女性生殖道细胞区域；对所述女性生殖道细胞区域中的目标细胞进行阴阳性判别，若是阴性，则输出结果；若是阳性，则对阳性女性生殖道细胞进行分类，获得分类结果并输出。进一步地，每个种类的女性生殖道细胞图像的正常细胞图像以及病变细胞图像均具有10000例以上。进一步地，所述对女性生殖道细胞图像中的目标细胞进行标注具体为：采用逐像素的多边标注方法对女性生殖道细胞图像中的目标细胞进行标注。进一步地，所述获取训练样本具体为：使用数字显微镜获取女性生殖道细胞检材标本的女性生殖道细胞图像并将所述女性生殖道细胞图像传送至计算机；在计算机中将女性生殖道细胞图像及该女性生殖道细胞图像对应的病理诊断结果整合为一例训练样本并储存至训练样本数据库中。进一步地，所述女性生殖道细胞为宫颈液基细胞，所述多个种类女性生殖道细胞图像具体为22种宫颈液基细胞图像。进一步地，所述女性生殖道细胞智能分类卷积神经网络模型包括：女性生殖道细胞区域检测模块、女性生殖道细胞阴阳性判别模块及阳性女性生殖道细胞分类模块，所述女性生殖道细胞区域检测模块的输入端用于输入经过预处理后的训练样本，所述女性生殖道细胞区域检测模块的输出端与所述女性生殖道细胞阴阳性判别模块的输入端连接，所述女性生殖道细胞阴阳性判别模块的阳性输出端与所述阳性女性生殖道细胞分类模块的输入端连接，所述阳性女性生殖道细胞分类模块的输出端输出分类结果。进一步地，所述女性生殖道细胞阴阳性判别模块采用多分辨率女性生殖道细胞分类卷积神经网络结构，所述多分辨率女性生殖道细胞分类卷积神经网络结构的输入端具有两个通道，一是低分辨率通道，二是高分辨率通道；所述低分辨率通道由多个卷积层逐一连接组成，所述高分辨率通道为多个卷积层逐一连接后再连接至上采样层；所述低分辨率通道的输出结果和所述高分辨率通道的输出结果进行融合后，输入到全连接层，经过全连接层后输出阴阳性判别结果。进一步地，所述阳性女性生殖道细胞分类模块包括多个特征提取单元、特征向量组合单元及分类单元，所述特征提取单元用于抽取所输入的阳性女性生殖道细胞图像中的特征向量，所述特征向量组合单元用于将所抽取的所有特征向量进行组合以形成高维的特征向量，所述分类单元根据该高维的特征向量对所输入的阳性女性生殖道细胞图像中的病变细胞进行分类。本专利技术的目的之二采用如下技术方案实现：一种女性生殖道细胞病理智能诊断仪，包括数字病理扫描仪，所述数字病理扫描仪包括数字显微镜和计算机，所述计算机安装有可执行程序，所述程序运行时可实现上述的女性生殖道细胞病理智能分类方法。本专利技术的目的之三采用如下技术方案实现：一种计算机可读存储介质，所述计算机可读存储介质存储有可执行计算机程序，所述计算机程序运行时实现上述的女性生殖道细胞病理智能分类方法。相比现有技术，本专利技术的有益效果在于：使用该女性生殖道细胞病理智能分类方法，检验的正确率可达到95％，可快速将女性生殖道细胞进行病理分析及分类，无需人工分析，节省人力，极大地提高了女性生殖道细胞的病理诊断分析效率；同时可实现异地诊断，缺乏病理医生及专业的分析仪器的基层医疗机构可将患者的细胞图像传送至具有专业分析仪器的顶层医疗机构进行病理分析。附图说明图1为本专利技术提供的一种女性生殖道细胞病理智能分类方法的流程图；图2为本专利技术提供的一种女性生殖道细胞智能分类卷积神经网络模型；图3为图2中的一种多分辨率女性生殖道细胞分类卷积神经网络的结构图；图4为本专利技术提供的一种逐像素的多边形标注的示意图。具体实施方式结合附图以及具体实施方式，对本专利技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。请参阅图1至图4，一种女性生殖道细胞病理智能分类方法，该方法基于卷积神经网络的基础上实施，具体包括以下步骤：S1、构建女性生殖道细胞智能分类卷积神经网络模型；S2、获取训练样本，训练样本为多个种类的女性生殖道细胞图像；S3、对所有女性生殖道细胞图像中的目标细胞进行标注；S4、对标注后的女性生殖道细胞图像进行预处理。在计算机辅助诊断任务中，需要输入的影像数据有较高质量，而原始的宫颈液基细胞图像中，存在许多噪声、亮度及色彩不均等问题。为了减少输入数据中的噪声以及亮度不均等因素的影响，使得神经网络的预测有一个精度和鲁棒性较高的结果，加入预处理环节，通过综合利用色彩平衡算法、几何仿射变换算法等图形图像方面的算法，设计图像的预处理流程，完成图像的预处理工作。S5、将预处理后的女性生殖道细胞图像输入女性生殖道细胞智能分类卷积神经网络模型中，对女性生殖道细胞智能分类卷积神经网络模型进行训练，使女性生殖道细胞智本文档来自技高网...

【技术保护点】
1.一种女性生殖道细胞病理智能分类方法，其特征在于，所述方法基于卷积神经网络的基础上实施，具体包括以下步骤：构建女性生殖道细胞智能分类卷积神经网络模型；获取训练样本，所述训练样本为多个种类的女性生殖道细胞图像，其中，所述女性生殖道细胞图像包括女性生殖道细胞的正常细胞图像及对应的病变细胞图像；对所有女性生殖道细胞图像中的目标细胞进行标注；对标注后的女性生殖道细胞图像进行预处理；将预处理后的女性生殖道细胞图像输入所述女性生殖道细胞智能分类卷积神经网络模型中，对所述女性生殖道细胞智能分类卷积神经网络模型进行训练，使所述女性生殖道细胞智能分类卷积神经网络模型被训练成为女性生殖道细胞智能分类器，其中，所述女性生殖道细胞智能分类卷积神经网络模型对输入的女性生殖道细胞图像的处理流程包括：a、检测女性生殖道细胞区域；b、判别女性生殖道细胞阴阳性并进行分类，阴性为正常细胞，阳性为病变细胞；c、将阳性女性生殖道细胞进行分类；将待检测的女性生殖道细胞图像输入训练完成后的女性生殖道细胞智能分类卷积神经网络模型中；训练完成后的女性生殖道细胞智能分类卷积神经网络模型检测所述待检测的女性生殖道细胞图像的女性生殖道细胞区域；对所述女性生殖道细胞区域中的目标细胞进行阴阳性判别，若是阴性，则输出结果；若是阳性，则对阳性女性生殖道细胞进行分类，获得分类结果并输出。...

【技术特征摘要】
1.一种女性生殖道细胞病理智能分类方法，其特征在于，所述方法基于卷积神经网络的基础上实施，具体包括以下步骤：构建女性生殖道细胞智能分类卷积神经网络模型；获取训练样本，所述训练样本为多个种类的女性生殖道细胞图像，其中，所述女性生殖道细胞图像包括女性生殖道细胞的正常细胞图像及对应的病变细胞图像；对所有女性生殖道细胞图像中的目标细胞进行标注；对标注后的女性生殖道细胞图像进行预处理；将预处理后的女性生殖道细胞图像输入所述女性生殖道细胞智能分类卷积神经网络模型中，对所述女性生殖道细胞智能分类卷积神经网络模型进行训练，使所述女性生殖道细胞智能分类卷积神经网络模型被训练成为女性生殖道细胞智能分类器，其中，所述女性生殖道细胞智能分类卷积神经网络模型对输入的女性生殖道细胞图像的处理流程包括：a、检测女性生殖道细胞区域；b、判别女性生殖道细胞阴阳性并进行分类，阴性为正常细胞，阳性为病变细胞；c、将阳性女性生殖道细胞进行分类；将待检测的女性生殖道细胞图像输入训练完成后的女性生殖道细胞智能分类卷积神经网络模型中；训练完成后的女性生殖道细胞智能分类卷积神经网络模型检测所述待检测的女性生殖道细胞图像的女性生殖道细胞区域；对所述女性生殖道细胞区域中的目标细胞进行阴阳性判别，若是阴性，则输出结果；若是阳性，则对阳性女性生殖道细胞进行分类，获得分类结果并输出。2.如权利要求1所述的女性生殖道细胞病理智能分类方法，其特征在于，每个种类的女性生殖道细胞的正常细胞图像以及病变细胞图像均具有10000例以上。3.如权利要求1所述的女性生殖道细胞病理智能分类方法，其特征在于，所述对女性生殖道细胞图像中的目标细胞进行标注具体为：采用逐像素的多边标注方法对女性生殖道细胞图像中的目标细胞进行标注。4.如权利要求1所述的女性生殖道细胞病理智能分类方法，其特征在于，所述获取训练样本具体为：使用数字显微镜获取女性生殖道细胞检材标本的女性生殖道细胞图像并将所述女性生殖道细胞图像传送至计算机；在计算机中将女性生殖道细胞图像及该女性生殖道细胞图像对应的病理诊断结果整合为一例训练样本并储存至训练样本数据库中。5.如权利要求1所述的女性生殖道细胞病理智能分类方法，其特征在...

【专利技术属性】
技术研发人员：丁彦青，
申请(专利权)人：丁彦青，
类型：发明
国别省市：广东,44