胶质瘤的类型识别方法、模型训练方法、装置、设备制造方法及图纸

本公开提供的一种胶质瘤的类型识别方法、模型训练方法、装置、设备，涉及图像处理技术，包括：获取胶质瘤的组织病理图像；将组织病理图像输入预设识别模型，提取胶质瘤中各目标图块的各特征向量，基于第一通道对各特征向量进行处理，得到与每种类型对应的第一分类信息以及目标向量，基于第二通道对目标向量进行处理，得到与每种类型对应的第二分类信息；对第一分类信息和第二分类信息进行处理，得到目标分类结果。本方案中，可以通过第一通道得到每种类型对应的第一分类信息以及目标向量；通过第二通道对目标向量进行处理，得到每种类型对应的第二分类信息；根据第一、第二分类信息，得到分类结果。可在一定程度上提高分型的准确率。率。率。

【技术实现步骤摘要】
胶质瘤的类型识别方法、模型训练方法、装置、设备


[0001]本公开涉及图像处理技术，尤其涉及一种胶质瘤的类型识别方法、模型训练方法、装置、设备。

技术介绍

[0002]胶质瘤是最常见的原发性脑肿瘤，也是颅内最常见的恶性肿瘤。根据其组织学形态特征，胶质瘤被划分为星形细胞瘤、少突胶质细胞瘤和室管膜瘤三种类型。胶质瘤的准确分型十分重要。
[0003]现有技术中，对胶质瘤的分型主要依靠病理科医生观察组织病理图像，通过组织学形态特征来确认分型。
[0004]但是，人工方式对胶质瘤分型的准确率有待提高。

技术实现思路

[0005]本公开提供了一种胶质瘤的类型识别方法、模型训练方法、装置、设备，可以在一定程度上提高对胶质瘤分型的准确率。
[0006]根据本公开第一方面，提供了一种胶质瘤的类型识别方法，所述方法包括：
[0007]获取胶质瘤的组织病理图像；
[0008]将所述组织病理图像输入至预设的识别模型中，基于所述识别模型中的特征提取模块提取所述胶质瘤中各目标图块的各特征向量，基于所述识别模型中的第一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种胶质瘤的类型识别方法，其特征在于，所述方法包括：获取胶质瘤的组织病理图像；将所述组织病理图像输入至预设的识别模型中，基于所述识别模型中的特征提取模块提取所述胶质瘤中各目标图块的各特征向量，基于所述识别模型中的第一通道对各所述特征向量进行处理，得到与每种类型对应的第一分类信息以及与每种类型对应的目标向量，基于所述识别模型中的第二通道对所述目标向量进行处理，得到与每种类型对应的第二分类信息；基于所述识别模型中的整合模块对所述第一分类信息和所述第二分类信息进行处理，得到所述组织病理图像中的胶质瘤的目标分类结果；其中，所述识别模型是使用训练数据集训练得到的，所述训练数据集中包括多组训练数据，所述训练数据包括胶质瘤的组织病理图像，以及所述组织病理图像中胶质瘤的标注类型。2.根据权利要求1所述的方法，其特征在于，所述基于所述识别模型中的第一通道对各所述特征向量进行处理，得到与每种类型对应的第一分类信息以及与每种类型对应的目标向量，包括：将所述特征向量输入至所述第一通道中与每种类型对应的全连接层中，得到所述特征向量与每种类型对应的中间分类信息；在与所述类型对应的中间分类信息中确定与所述类型对应的第一分类信息；将与所述第一分类信息对应的特征向量，确定为与所述类型对应的目标向量。3.根据权利要求2所述的方法，其特征在于，所述类型的中间分类信息用于表征胶质瘤属于所述类型的概率值；所述在与所述类型对应的中间分类信息中确定与所述类型对应的第一分类信息，包括：将用于表征胶质瘤属于所述类型概率最大的概率值确定为所述类型的第一分类信息。4.根据权利要求1所述的方法，其特征在于，所述基于所述识别模型中的第二通道对所述目标向量进行处理，得到与每种类型对应的第二分类信息，包括：融合第一特征向量和各第二特征向量，得到所述第一特征向量对应的第一融合向量；其中，所述第二特征向量是与所述第一特征向量相邻的特征向量；融合所述目标向量和各所述第一融合向量，得到与所述目标向量对应的第二融合向量；根据各所述目标向量对应的各所述第二融合向量，确定与每种类型对应的第二分类信息。5.根据权利要求4所述的方法，其他特征在于，所述融合第一特征向量和各第二特征向量，得到所述第一特征向量对应的第一融合向量，包括：根据所述第一特征...

【专利技术属性】
技术研发人员：江瑞，丁锦瑞，杨鹏帅，张学工，闾海荣，
申请(专利权)人：清华大学，
类型：发明
国别省市：