一种图像识别模型的训练方法、图像识别方法及装置制造方法及图纸

本发明专利技术实施例提供了一种图像识别模型的训练方法、图像识别方法及装置。图像识别模型的训练方法包括：获取第一样本病理切片的切片图像和第一样本病理切片的切片图像的预设邻域图像；以及，获取切片图像的图像特征、预设邻域图像的图像特征和第一样本病理切片的切片图像对应的分类标签；将切片图像的图像特征和预设邻域图像的图像特征结合，得到待分类样本切片；根据待分类样本切片和分类标签，对预设分类模型进行训练，得到图像识别模型。本发明专利技术实施例能够降低在根据病理切片图像进行识别判断的计算复杂度，以及降低计算成本。以及降低计算成本。以及降低计算成本。

【技术实现步骤摘要】
一种图像识别模型的训练方法、图像识别方法及装置


[0001]本专利技术属于图像处理领域，尤其涉及一种图像识别模型的训练方法、图像识别方法及装置。

技术介绍

[0002]为探讨器官、组织或细胞所发生的疾病过程，可采用某种病理形态学检查的方法。目前，随着各种内窥镜和影像诊断技术的不断进步，在病理形态学的检查的过程中，越来越多的结合计算机辅助诊断。
[0003]现有的病理形态学的检查方法中，其中一种是基于深度学习的方法。由于病理切片具有超高的分辨率，无法直接放入神经网络，这就需要先将病理切片分割成小图，将小图放进神经网络进行深度学习。而由于小图中存在有大量的负样本，正负样本极度不均衡，在使用深度学习的方法对病理切片的小图进行判断，获得的判断结果的精确率和召回率通常都很低。

技术实现思路

[0004]本专利技术实施例提供一种图像识别模型的训练方法、图像识别方法及装置，能够降低在根据病理切片图像进行识别判断的计算复杂度，以及降低计算成本。
[0005]第一方面，本专利技术提供一种图像识别模型的训练方法，该方法包括：获取第一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像识别模型的训练方法，其特征在于，所述方法包括：获取第一样本病理切片的切片图像和所述第一样本病理切片的切片图像的预设邻域图像；以及，获取所述切片图像的图像特征、所述预设邻域图像的图像特征和所述第一样本病理切片的切片图像对应的分类标签；将所述切片图像的图像特征和所述预设邻域图像的图像特征结合，得到待分类样本切片；根据所述待分类样本切片和所述分类标签，对预设分类模型进行训练，得到图像识别模型。2.根据权利要求1所述的方法，其特征在于，所述获取第一样本病理切片的切片图像和所述第一样本病理切片的切片图像的预设邻域图像，包括：通过海森矩阵对所述第一样本病理切片进行图像增强处理，得到第二样本病理切片；根据预设的滑动窗口，对所述第二样本病理切片进行分割，获得所述切片图像和所述样本切片图像的预设邻域图像。3.根据权利要求1所述的方法，其特征在于，所述获取所述切片图像的图像特征、所述预设邻域图像的图像特征，包括：将所述切片图像和所述预设邻域图像分别输入训练好的预设特征提取模型，得到所述切片图像的图像特征和所述预设邻域图像的图像特征。4.根据权利要求3所述的方法，其特征在于，所述训练好的预设特征提取模型根据所述切片图像训练得到。5.根据权利要求2所述的方法，其特征在于，所述通过海森矩阵对所述第一样本病理切片进行图像增强处理，得到第二样本病理切片，包括：对所述图像增强处理后的样本病理切片进行直方图均衡处理，得到直方图均衡处理后的样本病理切片；对所述直方图均衡处理后的样本病理切片进行归一化处理，得到归一化的样本病理切片图像，将所述归一化的样本病理切片作为所述第二样本病理切片。6.一种图像识别方法，其特征在于，所述方法包括：获取待识别的第一病理切片的第一病理图像和所述第一病理图像的预设领域图像；以及，获取所述第一病理图像的图像特征和所述预设邻域图像的图像特征；将所述第一病理图像的图像特征和所述预设领域图像的图像特征结合，得到待识别的第二病理图像；将所述第二病理图像输入图像识别模型，得到所述第二病理图像的识别结果，将所述第二病理图像的识别结果作为所述第一病理图像的识别结果，其中，所述图像识别模型根据权利要求1-5任意一项所述的图像识别模型的训练方法得到。7.根据权利要求6所述的方法，其特征在于，所述获取待识别的第一病理切片的第一病理图像和所述第一病理图像的预设领域图像，包括：通过海森矩阵对所述第一病理切片进行图像增强处理，得到第二病理切片；根据预设的滑动窗口，对所述第二病理切片进行分割，获得所述第一病理图像和所述
第一病理...

【专利技术属性】
技术研发人员：胡冉杰，王旭浩，马靖博，唐明轩，黄承基，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：