基于神经网络识别淋巴结的方法及装置制造方法及图纸

本发明专利技术公开了基于神经网络识别淋巴结的方法及装置。涉及数字图像处理领域，其中，方法通过获取待检测病理图像，然后搭建神经网络检测模型，并利用训练样本集进行神经网络检测模型训练，将待检测病理图像输入到训练后的神经网络检测模型，预测每个像素是淋巴/背景的概率，选择概率大的作为类标签得到预测结果，其中预测结果为表示为二值图像的淋巴结区域掩码。克服了现有技术中识别算法抗噪性差及鲁棒性差等问题，根据优化后的神经网络检测模型和输入的检测图像产生对淋巴结区域掩码，能够更加接近医生实际诊断过程，从而能够提高判断的准确率，同时减轻医生的负担，节约了时间成本和人工成本，为淋巴结中肿瘤识别等后续问题奠定了基础。

Method and device of lymph node recognition based on Neural Network

【技术实现步骤摘要】
基于神经网络识别淋巴结的方法及装置
本专利技术涉及数字图像处理领域，尤其是一种基于神经网络识别淋巴结的方法及装置。
技术介绍
淋巴结转移是肿瘤最常见的转移方式，一般浸润的肿瘤细胞脱离原始肿瘤，附着在淋巴管或血管的外壁上；然后，它们穿过血管壁，随着血液或淋巴液流到新的器官或淋巴结，并以此为中心生长出同样的肿瘤。未转移的癌症通常更容易治疗，并且生存前景更好，而已经扩散到远离原发性癌症更可能需要额外的化疗或放射治疗。研究表明，确定转移淋巴结的数量可以提高患者预后的预测效率。阴性淋巴结计数已被越来越多地认为是与肿瘤预后显着相关的重要因素，因此识别淋巴结对于肿瘤治疗至关重要，然而医生在短期内阅读大量组织病理图像，可能会导致由疲劳而产生的诊断准确率下降，同时人工诊断过程还存在工作量大、主观性强以及效率低等问题。因此，由计算机通过人工智能算法实现自动阅片变得极其需要。随着计算机硬件和算法的飞跃式发展，以深度学习为核心的人工智能技术在医疗卫生领域得到了广泛应用。机器学习中有很多传统的图像分割算法可用于进行病理图像识别，如基于阈值的分割方法(直方本文档来自技高网...

【技术保护点】
1.一种基于神经网络识别淋巴结的方法，其特征在于，包括：/n获取待检测病理图像，所述待检测病理图像为H&E组织病理图像；/n将所述待检测病理图像输入到训练后的神经网络检测模型中，预测每个像素是淋巴/背景的概率，选择概率大的作为类标签得到预测结果，所述预测结果表示为二值图像的淋巴结区域掩码。/n

【技术特征摘要】
1.一种基于神经网络识别淋巴结的方法，其特征在于，包括：
获取待检测病理图像，所述待检测病理图像为H&E组织病理图像；
将所述待检测病理图像输入到训练后的神经网络检测模型中，预测每个像素是淋巴/背景的概率，选择概率大的作为类标签得到预测结果，所述预测结果表示为二值图像的淋巴结区域掩码。


2.根据权利要求1所述的一种基于神经网络识别淋巴结的方法，其特征在于，所述神经网络检测模型为卷积神经网络模型，具体结构为U-net网络结构，所述U-net网络结构包括10个卷积层组、4个池化层和4个上采样层组，卷积核大小为3x3，卷积层激活函数为ReLU激活函数，输出激活函数为Sigmoid激活函数，损失函数为交叉熵损失函数。


3.根据权利要求1所述的一种基于神经网络识别淋巴结的方法，其特征在于，还包括利用训练样本集进行所述神经网络检测模型训练，训练所述神经网络检测模型的过程包括：
获取大量病理图像样本进行图像预处理形成训练样本集，所述训练样本集包括：病理图像和对应的标签掩码；
通过特征提取从病理图像中提取语义特征形成语义特征图；
根据所述语义特征图得到输出分割图，结合所述标签掩码计算像素损失，通过反向传播优化模型参数。


4.根据权利要求3所述的一种基于神经网络识别淋巴结的方法，其特征在于，所述图像预处理包括：
将病理图像样本进行压缩得到预设尺寸病理图像；
生成对应大小的...

【专利技术属性】
技术研发人员：于观贞，陈颖，高云姝，王晓东，刘西洋，管泽辉，董舟，郑俣萱，王黎明，艾丽蓉，
申请(专利权)人：上海中医药大学附属龙华医院，
类型：发明
国别省市：上海;31