基于多尺度空间注意力网络的乳腺病理图像分类方法技术

本发明专利技术提供了一种基于多尺度空间注意力网络的乳腺病理图像分类方法。首先，将原始的乳腺病理图像缩放到三个不同尺度，并进行图像块切割，通过对图像块进行二值化处理，剔除其中的无效图像块，得到训练数据集图像块；然后，构建空间注意力网络并利用不同尺度图像的训练数据集图像块对网络进行训练，网络的空间注意力模块实现原病理图像块的空间变换，再通过分类模块获得该图像块的分类结果；最后，将不同尺度图像的图像块输入到训练好的网络，得到每个图像块的所属类别，再计算不同尺度下的各个类别的预测概率，原病理图像的最终预测类别利用类别概率均值来确定。本发明专利技术方法能够充分利用有限乳腺病理图像中的丰富纹理结构信息，改善分类效果。

【技术实现步骤摘要】
基于多尺度空间注意力网络的乳腺病理图像分类方法
本专利技术属医学图像处理
，具体涉及一种基于多尺度空间注意力网络的乳腺病理图像分类方法。
技术介绍
乳腺癌目前是全球20-59岁女性最常见的癌症之一，在女性中其发病率和致死率位居各类癌症前列。根据2019年中国国家癌症中心发布的《2015年中国分地区恶性肿瘤发病和死亡分析》一文，女性中乳腺癌发病率最高，而致死率更是位居第五。在临床上，现有的最准确的检查手段是病理学，即通过细针穿刺获得乳腺组织的病理学图像，依靠医师判断是否发生病变以及病变的类型。乳腺病理图像一般根据活体组织的细胞密度、形态以及病变程度，主要分为四个类别：正常组织、良性病变、原位癌和浸润癌。正常组织的细胞形态相对规则，没有任何病变的发生；良性病变即良性肿瘤，病变程度小且相似于正常组织，一般可以通过手术切除病变区域，经过妥善的治疗不会复发；原位癌一般表现为癌细胞局限于原发部位，未发生转移，可进一步细分为小叶原位癌、导管原位癌等；浸润癌即癌细胞已突破乳房小叶导管系统并侵犯周围其他组织，容易发生病灶的转移，在病理图像中具体体现为形态多本文档来自技高网...

【技术保护点】
1.一种基于多尺度空间注意力网络的乳腺病理图像分类方法，其特征在于步骤如下：/n步骤1：对原始乳腺病理图像按照三个不同尺度进行缩放处理，得到三个不同尺度上的图像；然后，对不同尺度图像分别进行图像块切割，并采用局部自适应阈值分割算法对图像块进行二值化处理，去除背景区域占比95％以上的图像块，将剩余图像块作为网络训练数据，并对其进行增广处理，以增广后图像块的标签作为原图像块的标签；以二值化处理前的图像块作为网络测试数据；/n所述的图像块切割是指采用固定大小的窗口以固定步长在图像上进行滑动，窗口内对应的图像即为切割得到的图像块；/n所述的采用局部自适应阈值分割算法对图像块进行二值化处理的具体过程为：...

【技术特征摘要】
1.一种基于多尺度空间注意力网络的乳腺病理图像分类方法，其特征在于步骤如下：
步骤1：对原始乳腺病理图像按照三个不同尺度进行缩放处理，得到三个不同尺度上的图像；然后，对不同尺度图像分别进行图像块切割，并采用局部自适应阈值分割算法对图像块进行二值化处理，去除背景区域占比95％以上的图像块，将剩余图像块作为网络训练数据，并对其进行增广处理，以增广后图像块的标签作为原图像块的标签；以二值化处理前的图像块作为网络测试数据；
所述的图像块切割是指采用固定大小的窗口以固定步长在图像上进行滑动，窗口内对应的图像即为切割得到的图像块；
所述的采用局部自适应阈值分割算法对图像块进行二值化处理的具体过程为：设定阈值D，对于图像块中的每个像素，计算以该像素为中心的大小为k×k的区域内的所有像素值的高斯加权和，记为S，如果∣S-D∣>x，x表示该像素的像素值，则将该像素的值置为255，该像素属于白色背景区域，否则，将该像素的值置为0，该像素属于黑色细胞区域；其中，阈值D在[5,20]范围内取值，k在[50,150]范围内取值；
步骤2：构建空间注意力网络，包括空间注意力模块和分类模块两部分，其中，空间注意力模块由定位网络和采样网格组成，定位网络采用修改后的残差卷积网络ResNet-152，即修改原R...

【专利技术属性】
技术研发人员：夏勇，冯宇，
申请(专利权)人：西北工业大学深圳研究院，西北工业大学，
类型：发明
国别省市：广东;44