一种基于关键点检测的乳腺癌病理图像综合分析系统技术方案

该发明专利技术公开了一种基于关键点检测的乳腺癌病理图像综合分析系统，涉及病理图像分析中的细胞计数、分类、检测和分割技术领域。首先数据采集模块，利用图像采集系统构建乳腺癌病理图像训练集和待分析图像；其次是关键点检测模块，根据所述训练集训练带有参数的关键点检测网络，将待检测的乳腺组织病理图像输入到带有参数的漏斗网络并输出关键点响应图；从次为目标分类模块，根据不同通道输出的热图得到分类结果；然后目标计数模块，根据所述输出中心点响应图提取得到中心点并通过统计中心点数量实现计数任务；再然后是检测模块，根据所述预测极值点和中心点的几何关系确定目标检测；最后是分割模块，根据所述预测极值点输入DEXTR模型以实现弱监督分割。

【技术实现步骤摘要】
一种基于关键点检测的乳腺癌病理图像综合分析系统
本专利技术涉及病理图像分析中的细胞计数、分类、检测和分割
，特别涉及一种关键点检测的乳腺癌病理图像综合分析系统。
技术介绍
深度学习和计算机视觉技术在医学图像处理领域中的成功应用促进了病理图像分析的发展，深度学习擅长基于数据中的先验知识构建深度网络以实现智能化分析，其典型的任务包括分类、检测和分割。以上任务的核心是根据输入信息最大化提取特征，相较于传统机器学习中的人为干预来设计特征，深度学习擅长利用深度网络来高效地提取特征，特别是卷积神经网络(CNN)提取图像特征有无可媲美的表现，已在很多特定种类病理分析任务中显现出它巨大的潜力。但以上主要都是基于单模型实现单一任务，对于乳腺癌病理分析任务，缺乏一个核心特征实现乳腺癌多任务综合分析，本专利技术提出一种基于深度学习模型的乳腺癌病理图像分析系统，以同时实现乳腺癌细胞计数、分类、检测和分割多种任务。数据的匮乏是医学图像处理
共同面临的困难，其核心是专家先验知识的匮乏，一个典型的问题，带有标注的(通常是像素级)医学图像通常是比普通计算机本文档来自技高网...

【技术保护点】
1.一种基于关键点检测的乳腺癌病理图像综合分析系统，该系统包括：图像采集与数据准备模块、关键点检测模块、目标分类模块、目标计数模块、目标检测模块、目标分割模块、结果输出模块，其中图像采集与数据准备模块用于采集乳腺癌病理图像，然后传输给关键点检测模块，关键点检测模块的计算结果分别传输给：目标分类模块、目标技术模块、目标检测模块和目标分割模块，然后目标分类模块、目标计数模块、目标检测模块和目标分割模块的计算结果输出给结果输出模块，实现的乳腺癌病理图像的综合分析；/n所述图像采集与数据准备模块包括：图像采集单元、预处理单元、标记单元、训练集、测试集，所述图像采集单元对乳腺癌组织切片进行成像，然后将图...

【技术特征摘要】
1.一种基于关键点检测的乳腺癌病理图像综合分析系统，该系统包括：图像采集与数据准备模块、关键点检测模块、目标分类模块、目标计数模块、目标检测模块、目标分割模块、结果输出模块，其中图像采集与数据准备模块用于采集乳腺癌病理图像，然后传输给关键点检测模块，关键点检测模块的计算结果分别传输给：目标分类模块、目标技术模块、目标检测模块和目标分割模块，然后目标分类模块、目标计数模块、目标检测模块和目标分割模块的计算结果输出给结果输出模块，实现的乳腺癌病理图像的综合分析；
所述图像采集与数据准备模块包括：图像采集单元、预处理单元、标记单元、训练集、测试集，所述图像采集单元对乳腺癌组织切片进行成像，然后将图像发送给预处理单元，预处理单元对收到的图像进行归一化处理，然后将一部分数据发送给标记单元，另一部分数据直接存储到测试集；所述标记单元用于标记出乳腺癌细胞的顶端、底端、左端、右端四个方向极值点，和采用这四个方向极值点计算出的中心点一起称为关键点，标记完成的图像存储到训练集；
所述关键点检测模块包括：网络构建单元、训练单元、判断单元、测试单元；所述网络构建单元为基于卷积神经网络构建关键点检测网络，所述关键点检测网络输入为预处理完的图像，输出为5张关键点响应图，分别为顶端、底端、左端、右端四个方向极值点响应图和中心点响应图；训练单元采用训练集中的数据对网络构建单元构建的关键点检测网络进行训练，所述训练单元在局部损失和修正损失监督下，采用反向传播算法更新所述关键点检测网络中的参数；
所述局部损失Ldet的公式为：



其中，H为乳腺癌病理图像长边的像素，W为乳腺癌病理图像短边的像素，N为乳腺癌病理图像中癌细胞的个数，Yij为训练集中乳腺癌病理图像的真实像素值，为通过网络计算输出响应图中位置(i,j)的预测得分；α、β分别为超参数；
所述偏移修正损失Loff的公式为：



其中，SL1为平滑损失，ok和分别表示偏移量的实际值和预测值，N为乳腺癌病理图像中癌细胞的个数；
所述判断单元，用于判断迭代次数是否大于或等于迭代次数阈值；如果所述迭代次数大于或等于迭代次数阈值，则将所述关键点检测网络的参数输出；如果迭代次数小于迭代次数阈值，则继续训练；
所述测试单元采用测试集中的数据对训练好的关键点检测网络进行测试，如果测试准确率大于等于阈值表示训练完成，如果准确率小于阈值则重新训练；
所述目标分类模块，输入为五张响应图，分别为：四张极值点响应图和中心点响应图，根据五张响应图的平均颜色对图像进行分类，一个颜色为一类，然后输出为分类结果；
所述目标计数模块，该计数模块是基于关键点检测网络输出的中...

【专利技术属性】
技术研发人员：江浩，曾辽原，刘宇鹏，雷易鸣，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51