一种病理图像的训练集处理方法和系统技术方案

本公开提供了一种病理图像的训练集处理方法和系统。该方法处理后的训练集用于病理图像的分析学习网络的训练，训练集处理方法包括利用处理器：获取病理图像的训练集，训练集包括多个训练图像；对训练集中的多个训练图像进行分组，使得同组内的训练图像具有相同的图像质量水平；为训练图像的各组，基于图像质量水平确定训练优先级，使得图像质量水平越高则训练优先级越高；将训练图像的各组，按照训练优先级，顺序地用于分析学习网络的训练。本公开能够提升分析学习网络的分析准确性，保证良好分析效果。分析效果。分析效果。

【技术实现步骤摘要】
一种病理图像的训练集处理方法和系统
[0001]本申请是申请号为202110985066.0、申请日为2021年8月26日、专利技术名称为“一种病理图像的训练集处理方法和系统”的中国专利技术专利申请的分案申请。


[0002]本公开涉及图像分析
，特别涉及一种病理图像的训练集处理方法和系统。

技术介绍

[0003]基于病理图像进行分析和筛查是现代医学中进行癌症确诊的重要手段。而在基于病理图像进行筛查的过程中，需要专业的病理检查人员通过人工读片对病理图像进行分类或分割等操作，其工作量大、分析耗时长，影响后续诊断和治疗效率，因此，现有技术中常用基于人工智能学习模型进行病理图像分类的自动分析系统实现自动化的病理图像分类操作。
[0004]深度神经网络作为一种基于人工智能的分析学习网络，在图像识别、特征学习方面具有较强的能力，可通过学习数据的内在规律，成功应用于新的数据上，实现新的数据的自动化分析。但是病理切片中由于其所包含的细胞数目较多，且细胞之间形态各异，同时还存在细胞覆盖、遮挡或细胞膜折叠等问题，影响其数字化后病理图像的质量情本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种病理图像的训练集处理方法，其特征在于，处理后的训练集用于病理图像的分析学习网络的训练，所述训练集处理方法包括利用处理器：获取病理图像的训练集，所述训练集包括多个训练图像；对所述训练集中的所述多个训练图像进行分组，使得同组内的训练图像具有相同的图像质量水平；为训练图像的各组，基于图像质量水平确定训练优先级，使得图像质量水平越高则训练优先级越高；为训练图像的各组，基于图像质量水平进行对应的扩增处理，其中，训练图像的各组的图像质量水平越高，扩增处理的倍率越高，和/或扩增处理的数据改变程度越高；将扩增处理后的训练图像的各组，按照训练优先级，顺序地用于所述分析学习网络的训练。2.根据权利要求1所述的训练集处理方法，其特征在于，对所述训练集中的所述多个训练图像进行分组具体包括：为各个训练图像提取图像特征；基于图像特征，对各个训练图像按照图像质量分组，且确定各组的训练图像的图像质量水平。3.根据权利要求2所述的训练集处理方法，其特征在于，所述图像特征至少包括以下之一或任何几种的组合：图像清晰度、图像亮度、图像饱和度、图像灰度直方图分布。4.根据权利要求2所述的训练集处理方法，其特征在于，基于图像特征，对各个训练图像按照图像质量分组具体包括：基于图像特征，采用无监督特征聚类方法，对各个训练图像按照图像质量分组。5.根据权利要求1所述的训练集处理方法，其特征在于，还包括：在训练图像的数个组具有相同的图像质量水平但包含不同类型的对象的情况下，将所述数个组中的训练图像混合为一个组，且为混合组设置与所述数个组中的各个组的训练优先级相同的训练优先级。6.根据权利要求1所述的训练集处理方法，其特征在于，还包括，将扩增处理后的训练图像的各组的训练优先级设置为扩增处理前的训练优先级。7.根据权利...

【专利技术属性】
技术研发人员：赵鹏飞，颜利微，李育威，曹坤琳，宋麒，
申请(专利权)人：深圳科亚医疗科技有限公司，
类型：发明
国别省市：