医学影像识别检测方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术涉及一种人工智能技术，揭露了一种医学影像识别检测方法，包括：获取病理图像集，对所述病理图像集进行归一化、图像降噪以及图像增强处理，得到增强病理图像集；将所述增强病理图像集输入至预先构建的病理检测模型中，通过所述病理检测模型中的正向传播得到所述增强病理图像集的权重参数，对所述权重参数进行更新直至所述病理检测模型趋于收敛，完成训练；通过训练完成后的所述病理检测模型对待检测的病理图像进行检测，并将检测结果返回给用户。本发明专利技术还提出一种医学影像识别检测装置以及一种计算机可读存储介质。本发明专利技术实现了医学影像的智能识别及检测。

Methods, devices and computer readable storage media for medical image recognition and detection

【技术实现步骤摘要】
医学影像识别检测方法、装置及计算机可读存储介质
本专利技术涉及人工智能
，尤其涉及一种医学影像识别检测方法、装置及计算机可读存储介质。
技术介绍
随着深度学习在医学影像领域中的渗透及应用，将AI技术应用于医疗影像分析可以帮助医生定位病灶分析病情，辅助医生精确快速的做出诊断。目前在医疗影像领域，AI应用主要集中在肺结节、眼底、乳腺等，随着AI技术的不断影像及临床需求的日益提高，AI技术在数字病理诊断也得到应用。目前在临床肾活检病理诊断流程中，病理医生通过光学显微镜观察病理切片图像中肾小球的病理形态、肾小球内细胞增生分布情况以及病理医生的自身经验进行病理分析并给出病理诊断报告。由于切片图像中肾小球个数众多，通过肉眼观察识别肾小球的工作量极大，效率比较低，而且诊断结果容易受到医生主观因素的影响。
技术实现思路
本专利技术提供一种医学影像识别检测方法、装置及计算机可读存储介质，其主要目的在于提供一种智能化的肾小球检测方案。为实现上述目的，本专利技术提供的一种医学影像识别检测方法，包括：获取病理图像集，对所述病理图像集进行归一化操作，并将归一化操作后的所述病理图像集进行图像降噪处理，得到标准病理图像集；对所述标准病理图像进行图像增强处理，得到增强病理图像集；将所述增强病理图像集输入预先构建的病理检测模型中，通过所述病理检测模型中的正向传播得到所述增强病理图像集的权重参数，利用梯度下降算法对所述权重参数进行更新直至所述病理检测模型趋于收敛，得到训练完成后的病理检测模型；接收用户输入的待检测病理图像，通过上述训练完成后的病理检测模型对所述待检测病理图像进行检测，并将检测结果返回给所述用户。可选地，所述归一化操作包括：x＝(x-μ)/σ其中，x表示病理图像集中的图像数据，μ为病理图像集中图像数据的均值，σ为病理图像集中图像数据的标准差。可选地，所述图像降噪处理包括：其中，f(x,y)表示降噪后的病理图像，g(x,y)表示待处理的病理图像，表示病理图像的噪声方差，表示病理图像的像素灰度均值，表示病理图像的像素灰度的方差。可选地，所述通过所述病理检测模型中的正向传播得到所述增强病理图像集的权重参数，包括：对所述增强病理图像集进行分类分支处理后得到所述增强病理图像集的前景点，通过中性分支算法计算所述前景点的边框界位置，根据所述边框界位置利用预先确定的权重参数计算公式计算出所述增强病理图像集的权重参数。可选地，所述根据所述边框界位置利用预先确定的权重参数计算公式计算出所述增强病理图像集的权重参数，包括：利用下述公式计算出所述增强病理图像集的权重参数：其中，Lossiou表示权重参数，lp、rp、tp、bp分别表示增强病理图像集前景点的边框界上、下、左、右的预测距离值，lg、rg、tg、bg分别表示增强病理图像集前景点的边框界上、下、左、右的实际距离值。此外，为实现上述目的，本专利技术还提供一种医学影像识别检测装置，该装置包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的医学影像识别检测程序，所述医学影像识别检测程序被所述处理器执行时实现如下步骤：获取病理图像集，对所述病理图像集进行归一化操作，并将归一化操作后的所述病理图像集进行图像降噪处理，得到标准病理图像集；对所述标准病理图像进行图像增强处理，得到增强病理图像集；将所述增强病理图像集输入预先构建的病理检测模型中，通过所述病理检测模型中的正向传播得到所述增强病理图像集的权重参数，利用梯度下降算法对所述权重参数进行更新直至所述病理检测模型趋于收敛，得到训练完成后的病理检测模型；接收用户输入的待检测病理图像，通过上述训练完成后的病理检测模型对所述待检测病理图像进行检测，并将检测结果返回给所述用户。可选地，所述归一化操作包括：x＝(x-μ)/σ其中，x表示病理图像集中的图像数据，μ为病理图像集中图像数据的均值，σ为病理图像集中图像数据的标准差。可选地，所述图像降噪处理包括：其中，f(x,y)表示降噪后的病理图像，g(x,y)表示待处理的病理图像，表示病理图像的噪声方差，表示病理图像的像素灰度均值，表示病理图像的像素灰度的方差。可选地，所述通过所述病理检测模型中的正向传播得到所述增强病理图像集的权重参数，包括：对所述增强病理图像集进行分类分支处理后得到所述增强病理图像集的前景点，通过中性分支算法计算所述前景点的边框界位置，根据所述边框界位置利用预先确定的权重参数计算公式计算出所述增强病理图像集的权重参数。此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有医学影像识别检测程序，所述医学影像识别检测程序可被一个或者多个处理器执行，以实现如上所述的医学影像识别检测方法的步骤。本专利技术提出的医学影像识别检测方法、装置及计算机可读存储介质，当用户进行肾小球检测时，获取病理图像集，对所述病理图像集进行归一化、图像降噪以及图像增强处理，可以得到增强的病理细胞图像集，利用所述增强病理细胞图像集对预先构建的病理检测模型，得到训练完成的病理检测模型，根据训练完成后的所述病理检测模型对待检测的病理图像进行检测，并将检测结果返回给用户，从而可以实现从医学影像中智能识别出肾小球等疾病的检测结果。附图说明图1为本专利技术一实施例提供的医学影像识别检测方法的流程示意图；图2为本专利技术一实施例提供的医学影像识别检测装置的内部结构示意图；图3为本专利技术一实施例提供的医学影像识别检测装置中医学影像识别检测程序的模块示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提供一种医学影像识别检测方法。参照图1所示，为本专利技术一实施例提供的医学影像识别检测方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。在本实施例中，所述医学影像识别检测方法包括：S1、获取病理图像集，对所述病理图像集进行归一化操作，并将归一化操作后的所述病理图像集进行图像降噪处理，得到标准病理图像集。本专利技术较佳实施例中，所述病理图像集可以是，例如肾小球内存在细胞增生的病理图像。本专利技术较佳实施例中所述获取病理图像集包括：取体积为预设尺寸的肾脏组织，并放入液态固定剂对所述肾脏组织进行固定，利用不同种浓度乙醇对固定后的所述肾脏组织进行脱水处理，通过巴氏染色法对脱水处理后的所述肾脏组织进行染色，根据病理切片扫描仪对染色后的所述肾脏组织按预设的规格进行切片，从而得到所述病理图像集。其中，本专利技术中，所述预设尺寸为2.0cm*2.0cm*0.3cm的肾脏组织，所述脱水处理通过脱水机自控完成，所述预设规格为1024*1024的病理图像。进一步地，所述数据的归一化是将数本文档来自技高网...

【技术保护点】
1.一种医学影像识别检测方法，其特征在于，所述方法包括：/n获取病理图像集，对所述病理图像集进行归一化操作，并将归一化操作后的所述病理图像集进行图像降噪处理，得到标准病理图像集；/n对所述标准病理图像集进行图像增强处理，得到增强病理图像集；/n将所述增强病理图像集输入预先构建的病理检测模型中，通过所述病理检测模型中的正向传播得到所述增强病理图像集的权重参数，利用梯度下降算法对所述权重参数进行更新直至所述病理检测模型趋于收敛，得到训练完成后的病理检测模型；/n接收用户输入的待检测图像，通过上述训练完成后的病理检测模型对所述待检测图像进行检测，得到对所述待检测图像的检测结果，并将检测结果返回给所述用户。/n

【技术特征摘要】
1.一种医学影像识别检测方法，其特征在于，所述方法包括：
获取病理图像集，对所述病理图像集进行归一化操作，并将归一化操作后的所述病理图像集进行图像降噪处理，得到标准病理图像集；
对所述标准病理图像集进行图像增强处理，得到增强病理图像集；
将所述增强病理图像集输入预先构建的病理检测模型中，通过所述病理检测模型中的正向传播得到所述增强病理图像集的权重参数，利用梯度下降算法对所述权重参数进行更新直至所述病理检测模型趋于收敛，得到训练完成后的病理检测模型；
接收用户输入的待检测图像，通过上述训练完成后的病理检测模型对所述待检测图像进行检测，得到对所述待检测图像的检测结果，并将检测结果返回给所述用户。


2.如权利要求1所述的医学影像识别检测方法，其特征在于，所述归一化操作包括：
x＝(x-μ)/σ
其中，x表示病理图像集中的图像数据，μ为病理图像集中图像数据的均值，σ为病理图像集中图像数据的标准差。


3.如权利要求1所述的医学影像识别检测方法，其特征在于，所述图像降噪处理包括：



其中，f(x,y)表示降噪后的病理图像，g(x,y)表示待处理的病理图像，表示病理图像的噪声方差，表示病理图像的像素灰度均值，表示病理图像的像素灰度的方差。


4.如权利要求1所述的医学影像识别检测方法，其特征在于，所述通过所述病理检测模型中的正向传播得到所述增强病理图像集的权重参数，包括：
对所述增强病理图像集进行分类分支处理后得到所述增强病理图像集的前景点，通过中性分支算法计算所述前景点的边框界位置，根据所述边框界位置利用预先确定的权重参数计算公式计算出所述增强病理图像集的权重参数。


5.如权利要求4中所述的医学影像识别检测方法，其特征在于，所述根据所述边框界位置利用预先确定的权重参数计算公式计算出所述增强病理图像集的权重参数包括：
利用下述公式计算出所述增强病理图像集的权重参数：



其中，Lossiou表示权重参数，lp、rp、tp、bp分别表示增强病理图像集前景点的边框界上、下、左、右的预测距离值，lg、rg、tg、bg分别表示增...

【专利技术属性】
技术研发人员：侯晓帅，李风仪，南洋，谢春梅，王佳平，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44