基于神经网络的肺部病理切片癌细胞分割算法制造技术

本发明专利技术公开了一种基于神经网络的肺部病理切片癌细胞分割算法，首先，根据实验需要收集一定数量肺癌病人的肺部病理切片图像数据，完成数据的采集；之后使用预处理技术对数据进行初步处理得到符合标准的数据，并将数据集分为训练集和验证集；接下来根据算法设计逐步搭建图像分割模型，在模型搭建好后，使用训练集对模型进行训练，并使用验证集对模型效果进行评估；最后在模型训练完毕后使用本专利算法提出的网络对癌变区域进行预测。结果表明，本发明专利技术提出的网络性能更优。我们可以得出结论，在基于肺病理切片图像的小细胞肺癌分割中，相比于传统方法，本申请的方法更加清晰明了，得到的预测结果更加准确。的预测结果更加准确。的预测结果更加准确。

【技术实现步骤摘要】
基于神经网络的肺部病理切片癌细胞分割算法


[0001]本专利技术属于深度学习
，具体涉及一种基于神经网络的肺部病理切片癌细胞分割算法。

技术介绍

[0002]随着计算机技术的高速发展，计算机医学图像处理在特征提取和分析的研究中发挥着重要作用，计算机在医疗辅助诊断中也发挥着越来越大的作用。如何将模式识别，图像分割与临床病理组织切片的诊断更好的结合在一起已经成为当前研究的主要方向之一。肺肿瘤的病理组织切片诊断作为临床诊断的难点之一，自然也被列为研究的热点数据类型之一。
[0003]不同于CT和MRI影像，肺肿瘤病理组织切片图像的特征提取难度更大，近几年，相比其他人体器官和组织的医学影像分析比如肝癌分割，乳腺癌分割等，针对肺肿瘤病理切片图像分割的研究较少。在算法方面，仍然存在很多不足，比如特征提取缺少针对性目的性，卷积神经网络的特征向量维度过高，分割或者分类的精度还不足以达到临床应用的要求，研究过程中缺少病理专家的诊断学指导等等。

技术实现思路

[0004]为了解决现有技术中的问题，本专利技术提供一种基于神经网络的肺部病本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的肺部病理切片癌细胞分割算法，其特征在于，包括以下步骤：S1、数据预处理，获得所需的肺部病理切片图像；S2、运用高分辨率多尺度特征融合网络构建分割模型；具体包括：S2
‑
1、将病理切片图像的patch输入高分辨率多尺度特征融合网络模型；S2
‑
2、依据构建的分割模型，生成预测的普通细胞区域和癌变细胞区域；S3、对所述分割模型进行模型训练和评估。2.根据权利要求1所述基于神经网络的肺部病理切片癌细胞分割算法，其特征在于，所述S1步骤包括：S1
‑
1、采用病理学切片图像数据作为数据源；S1
‑
2、将XML格式的标注文件转换为与图像大小相同的二值PNG图像；S1
‑
3、使用改进的基于Vahadane方法的颜色归一化方法来处理数据；S1
‑
4、使用数据增强技术，如镜像、翻转、旋转和偏移来扩充数据量。3.根据权利要求1所述基于神经网络的肺部病理切片癌...

【专利技术属性】
技术研发人员：徐君海，张钦程，魏建国，
申请(专利权)人：天津大学，
类型：发明
国别省市：