基于图像分析的宫颈癌检测方法技术

一种基于图像分析的宫颈癌检测方法，涉及医学影像技术领域，该方法先构建一个Resnet分类模型，并将Resnet分类模型输出的三种分类结果为未见异常、LSIL、HSIL；并利用训练样本集对对Resnet分类模型进行训练；检测时先从待检测的宫颈病灶内镜无染色图像中提取R、G、B三个通道的单通道图像，并采用MASK R

【技术实现步骤摘要】
基于图像分析的宫颈癌检测方法


[0001]本专利技术涉及医学影像技术，特别是涉及一种基于图像分析的宫颈癌检测方法的技术。

技术介绍

[0002]宫颈癌是女性的第二大杀手，其发病率和死亡率仅次于乳腺癌。目前的宫颈癌诊断主要依赖于医生的人工阅片，工作量大、误诊率高，也无法推行大面积筛查。在阴道镜诊断过程中，通常使用醋酸和碘染色来放大病变区域的特征以方便诊断，但染色过程耗时长、且容易引入操作者的操作误差，导致结果不可靠。

技术实现思路

[0003]针对上述现有技术中存在的缺陷，本专利技术所要解决的技术问题是提供一种检测方便，且可靠性高的基于图像分析的宫颈癌检测方法。
[0004]为了解决上述技术问题，本专利技术所提供的一种基于图像分析的宫颈癌检测方法，其特征在于，具体步骤如下：S1：构建一个Resnet分类模型，并将Resnet分类模型输出的分类结果设定为三种，该三种分类结果分别为：未见异常、LSIL、HSIL；S2：获取一个训练样本集，训练样本集中包含有正常状态的宫颈内镜无染色图像样本，及LSIL状态的宫颈内镜无染色图像样本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像分析的宫颈癌检测方法，其特征在于，具体步骤如下：S1：构建一个Resnet分类模型，并将Resnet分类模型输出的分类结果设定为三种，该三种分类结果分别为：未见异常、LSIL、HSIL；S2：获取一个训练样本集，训练样本集中包含有正常状态的宫颈内镜无染色图像样本，及LSIL状态的宫颈内镜无染色图像样本，及HSIL状态的宫颈内镜无染色图像样本；利用训练样本集中的各个图像样本对Resnet分类模型进行训练，得到训练后的Resnet分类模型；S3：获取包含有待检测的宫颈病灶区的内镜无染色图像T1；S4：从待检测的宫颈病灶内镜无染色图像T1中提取R、G、B三个通道的单通道图像；S5：对步骤S4提取的每一个单通道图像实施特征增强处理，处理方法为：先采用MASK R
‑
...

【专利技术属性】
技术研发人员：李芳，皇甫江涛，
申请(专利权)人：上海市东方医院同济大学附属东方医院，
类型：发明
国别省市：