切片缺陷检测方法、电子装置及可读存储介质制造方法及图纸

本发明专利技术涉及人工智能中的智能决策技术领域，揭露一种切片缺陷检测方法，包括：将待检测切片集输入切片缺陷检测模型的特征提取分支，得到每张切片的特征集，将特征集输入切片缺陷检测模型的上采样分支，得到每张切片的缺陷区域及缺陷区域对应的预测缺陷类别，将特征集输入切片缺陷检测模型的分类分支，得到第二缺陷类别分布表，当各个缺陷区域对应的预测缺陷类别在第二缺陷类别分布表中的第二概率值大于预设阈值时，将各个缺陷区域对应的预测缺陷类别作为各个缺陷区域对应的目标缺陷类别。本发明专利技术提高了切片缺陷区域、缺陷类别检测的准确度。另外，本发明专利技术还涉及区块链技术，同时本发明专利技术可应用于智慧医疗领域中，从而推动智慧城市的建设。

【技术实现步骤摘要】
切片缺陷检测方法、电子装置及可读存储介质
本专利技术涉及智能决策
，尤其涉及一种切片缺陷检测方法、电子装置及可读存储介质。
技术介绍
医学图像切片对三维定位、三维可视化、手术规划和计算机辅助诊断等具有重要的意义，切片的质量直接影响到诊断效率和诊断质量，高质量的切片是正确的病理诊断至关重要的基础和保证，为提升切片质量，通常需要对缺陷类切片进行缺陷区域检测、分类，用以针对性的进行改善。目前通常使用u-net网络对缺陷类切片进行缺陷检测，然而由于u-net网络只用到了卷积层、池化层，随着网络的加深，信息会逐渐损失，容易出现梯度消失或梯度爆炸的情况，导致无法精确的识别到缺陷区域；并且u-net网络主要是针对单个像素进行分类，缺少对全图的类别检测，而使得缺陷分类准确度不高。因此，亟需一种切片缺陷检测方法，以提高缺陷区域、缺陷类别检测准确度。
技术实现思路
鉴于以上内容，有必要提供一种切片缺陷检测方法，旨在提高切片缺陷区域、缺陷类别检测准确度。本专利技术提供的切片缺陷检测方法，包括：特征提取步骤：接收用户提本文档来自技高网...

【技术保护点】
1.一种切片缺陷检测方法，应用于电子装置，其特征在于，所述方法包括：/n特征提取步骤：接收用户提交的待检测切片，对所述待检测切片进行切分处理，得到待检测切片集，将所述待检测切片集输入训练好的切片缺陷检测模型的特征提取分支，得到所述待检测切片集中每张切片的特征集；/n第一检测步骤：将所述特征集输入所述切片缺陷检测模型的上采样分支，得到所述待检测切片集中每张切片的各个缺陷区域及各个缺陷区域对应的第一缺陷类别分布表，将所述各个缺陷区域对应的第一缺陷类别分布表中第一概率值最大的缺陷类别作为所述各个缺陷区域对应的预测缺陷类别；/n第二检测步骤：将所述特征集输入所述切片缺陷检测模型的分类分支，得到所述待检...

【技术特征摘要】
1.一种切片缺陷检测方法，应用于电子装置，其特征在于，所述方法包括：
特征提取步骤：接收用户提交的待检测切片，对所述待检测切片进行切分处理，得到待检测切片集，将所述待检测切片集输入训练好的切片缺陷检测模型的特征提取分支，得到所述待检测切片集中每张切片的特征集；
第一检测步骤：将所述特征集输入所述切片缺陷检测模型的上采样分支，得到所述待检测切片集中每张切片的各个缺陷区域及各个缺陷区域对应的第一缺陷类别分布表，将所述各个缺陷区域对应的第一缺陷类别分布表中第一概率值最大的缺陷类别作为所述各个缺陷区域对应的预测缺陷类别；
第二检测步骤：将所述特征集输入所述切片缺陷检测模型的分类分支，得到所述待检测切片集中每张切片对应的第二缺陷类别分布表；
缺陷确定步骤：获取所述待检测切片集中每张切片的各个缺陷区域对应的预测缺陷类别在所述第二缺陷类别分布表中的第二概率值，当所述第二概率值大于预设阈值时，将所述各个缺陷区域对应的预测缺陷类别作为所述各个缺陷区域对应的目标缺陷类别，对所述待检测切片集中每张切片的各个缺陷区域及各个缺陷区域对应的目标缺陷类别进行汇总，得到所述待检测切片的各个缺陷区域及各个缺陷区域对应的目标缺陷类别。


2.如权利要求1所述的切片缺陷检测方法，其特征在于，所述切片缺陷检测模型的构建过程包括：
用残差模块替换u-net模型的特征提取分支及上采样分支中的卷积层，所述残差模块包括两个卷积层、一个激活层及一个跳跃式连线；
在u-net模型的特征提取分支的输出处增加分类分支，使得所述切片缺陷检测模型为Y型结构，所述分类分支包括一个残差模块和两个全连接层。


3.如权利要求2所述的切片缺陷检测方法，其特征在于，所述切片缺陷检测模型的训练过程包括：
将第一训练集中的切片样本输入所述切片缺陷检测模型，训练所述切片缺陷检测模型的特征提取分支和上采样分支，通过最小化第一损失函数确定所述切片缺陷检测模型的特征分支和上采样分支对应的权重参数，得到初级切片缺陷检测模型；
将第二训练集中的切片样本输入所述初级切片缺陷检测模型，训练所述初级切片缺陷检测模型的分类分支，通过最小化第二损失函数确定所述切片缺陷检测模型的分类分支对应的权重参数，得到训练好的切片缺陷检测模型。


4.如权利要求3所述的切片缺陷检测方法，其特征在于，所述第一损失函数的公式为：



其中，IOUt-i为第一训练集中第t张切片样本的第i类缺陷的交并比值，At-i为第一训练集中第t张切片样本的第i类缺陷对应的预测缺陷区域，Bt-i为第一训练集中第t张切片样本的第i类缺陷对应的真实缺陷区域；
所述第二损失函数的公式为：
FL(qr-i)＝-αi(1-qr-i)γlog(qr-i)



其中，FL(qr-i)为第二训练集中第r张切片样本的第i类缺陷的平衡交叉熵损失值，αi为第i类缺陷的类别权重参数，γ为聚焦因子，pr-i为第二训练集中第r张切片样本的第i类缺陷的预测概率值，yr-i为第二训练集中第r张切片样本的第i类缺陷的真实概率值，qr-i为第二训练集中第r张切片样本的第i类缺陷的概率调整参数。


5.如权利要求1-4任一项所述的切片缺陷检测方法，其特征在于，所述方法还包括：
若所述第二概率值小于预设阈值，则从对应的切片中删除所述预测缺陷类别对应的缺陷区域。


6.一种电子装置，其特征在于，该电子装置包...

【专利技术属性】
技术研发人员：王佳平，南洋，李风仪，谢春梅，侯晓帅，
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