一种生物组织图像的检测方法、装置、设备以及存储介质制造方法及图纸

本申请公开了一种基于人工智能技术实现的生物组织图像检测方法、装置、设备和存储介质。本申请方法包括：调用第一图像分类模型对每个生物组织图像进行识别，得到每个生物组织图像的染色分类结果和图像特征；根据染色分类结果获取生理盐水图像和P个醋染图像；根据生理盐水图像的图像特征和每个醋染图像的图像特征，确定P个类间特征距离和P个类内特征距离；根据P个类间特征距离和P个类内特征距离，确定每个醋染图像的综合特征距离；将最大综合特征距离的醋染图像作为目标醋染图像；调用目标检测模型对目标醋染图像进行检测。本申请可选择出差异最大的醋染图像作为疾病反应最大时刻的醋染图像，有利于提高活检区域预测的准确率和有效性。确率和有效性。确率和有效性。

【技术实现步骤摘要】
一种生物组织图像的检测方法、装置、设备以及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种生物组织图像的检测方法、装置、设备以及存储介质。

技术介绍

[0002]图像识别技术是人工智能(artificial intelligence，AI)的一个重要领域。它是指对图像进行对象识别，以识别各种不同模式的目标和对像的技术。近年来，图像识别技术在医疗领域中的应用越来越广泛，利用图像识别结果可以辅助医生确定治疗方案。
[0003]目前，在相关技术中，可基于图像识别技术实现对活检区域的预测。具体来说，首先，对提取的病变组织进行醋染。然后，采集醋染后某个固定时刻的生物组织图像。再调用图像识别模型对该生物组织图像进行识别和检测，以得到活检区域。
[0004]专利技术人发现目前的方案中至少存在如下问题，选择醋染后固定时刻的图像作为活检区域的预测图像，并未考虑到不同患者之间病变区域反应时间的差异性，因此，预测活检区域的图像可能并非疾病反应最大时刻的图像。由此，导致活检区域预测的准确率较低。

技术实现思路

[0005]本申请实施例提供了一种生物组织图像的检测方法、装置、设备以及存储介质，可选择出差异最大的醋染图像作为疾病反应最大时刻的醋染图像，由此，充分考虑到不同患者之间病变区域反应时间的差异性，有利于提高活检区域预测的准确率和有效性。
[0006]有鉴于此，本申请一方面提供一种生物组织图像的检测方法，包括：
[0007]获取待识别的第一图像集合，其中，第一图像集合包括至少两个生物组织图像；
[0008]调用第一图像分类模型对第一图像集合中的每个生物组织图像进行识别，得到每个生物组织图像的染色分类结果以及每个生物组织图像的图像特征，其中，染色分类结果用于表示生物组织图像所属的染色类型；
[0009]根据每个生物组织图像的染色分类结果，从第一图像集合中获取生理盐水图像以及P个醋染图像，其中，生理盐水图像与醋染图像均属于生物组织图像，P为大于或等于1的整数；
[0010]根据生理盐水图像的图像特征以及每个醋染图像的图像特征，确定P个类间特征距离以及P个类内特征距离，其中，P个类间特征距离包括每个醋染图像与生理盐水图像之间的类间特征距离，P个类内特征距离包括每个醋染图像所对应的类内特征距离；
[0011]根据P个类间特征距离以及P个类内特征距离，确定每个醋染图像所对应的综合特征距离，其中，综合特征距离用于表征醋染图像的差异显著程度；
[0012]从每个醋染图像所对应的综合特征距离中获取最大综合特征距离，并将最大综合特征距离所对应的醋染图像作为目标醋染图像；
[0013]调用目标检测模型对目标醋染图像进行检测，得到目标醋染图像的图像检测结果，其中，图像检测结果用于确定目标醋染图像中的活检区域。
[0014]本申请另一方面提供一种生物组织图像检测装置，包括：
[0015]获取模块，用于获取待识别的第一图像集合，其中，第一图像集合包括至少两个生物组织图像；
[0016]识别模块，用于调用第一图像分类模型对第一图像集合中的每个生物组织图像进行识别，得到每个生物组织图像的染色分类结果以及每个生物组织图像的图像特征，其中，染色分类结果用于表示生物组织图像所属的染色类型；
[0017]获取模块，还用于根据每个生物组织图像的染色分类结果，从第一图像集合中获取生理盐水图像以及P个醋染图像，其中，生理盐水图像与醋染图像均属于生物组织图像，P为大于或等于1的整数；
[0018]确定模块，用于根据生理盐水图像的图像特征以及每个醋染图像的图像特征，确定P个类间特征距离以及P个类内特征距离，其中，P个类间特征距离包括每个醋染图像与生理盐水图像之间的类间特征距离，P个类内特征距离包括每个醋染图像所对应的类内特征距离；
[0019]确定模块，还用于根据P个类间特征距离以及P个类内特征距离，确定每个醋染图像所对应的综合特征距离，其中，综合特征距离用于表征醋染图像的差异显著程度；
[0020]确定模块，还用于从每个醋染图像所对应的综合特征距离中获取最大综合特征距离，并将最大综合特征距离所对应的醋染图像作为目标醋染图像；
[0021]检测模块，用于调用目标检测模型对目标醋染图像进行检测，得到目标醋染图像的图像检测结果，其中，图像检测结果用于确定目标醋染图像中的活检区域。
[0022]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，
[0023]获取模块，具体用于待识别的第二图像集合，其中，第二图像集合包括至少两个生物组织图像；
[0024]调用第二图像分类模型对第二图像集合中的每个生物组织图像进行识别，得到每个生物组织图像的遮挡分类结果，其中，遮挡分类结果用于表示生物组织图像的被遮挡情况；
[0025]根据每个生物组织图像的遮挡分类结果，将第二图像集合中遮挡分类结果属于无遮挡类别的生物组织图像作为第一图像集合中的生物组织图像。
[0026]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，生物组织图像检测装置还包括训练模块；
[0027]获取模块，还用于获取第一图像样本集合，其中，第一图像样本集合包括至少一个第一图像样本，每个第一图像样本对应于遮挡分类标签；
[0028]获取模块，还用于针对于第一图像样本集合中的每个第一图像样本，基于第二图像分类模型获取每个第一图像样本所对应的遮挡概率分布；
[0029]获取模块，还用于基于每个第一图像样本所对应的遮挡概率分布以及遮挡分类标签，计算得到第一损失值；
[0030]训练模块，用于采用第一损失值对第二图像分类模型的模型参数进行更新。
[0031]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，
[0032]识别模块，具体用于针对于第一图像集合中的每个生物组织图像，通过第一图像分类模型所包括的主干网络获取每个生物组织图像的图像特征；
[0033]针对于每个生物组织图像的图像特征，通过第一图像分类模型所包括的池化层获取每个生物组织图像的池化特征；
[0034]针对于每个生物组织图像的池化特征，通过第一图像分类模型所包括的全连接网络获取每个生物组织图像的染色概率分布；
[0035]根据每个生物组织图像的染色概率分布，确定每个生物组织图像的染色分类结果。
[0036]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，
[0037]识别模块，具体用于对每个生物组织图像的染色概率分布所包括的各个概率值进行大小比对，得到每个生物组织图像的染色概率分布中的最大概率值；
[0038]针对于每个生物组织图像，若生物组织图像的染色概率分布中最大概率值对应于第一元素特征位置，则将生物组织图像的染色分类结果确定为无染色类别；
[0039]针对于每个生物组织图像，若生物组织图像的染色概率分布中最大概率值对应于第二元素特征位置，则本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生物组织图像的检测方法，其特征在于，包括：获取待识别的第一图像集合，其中，所述第一图像集合包括至少两个生物组织图像；调用第一图像分类模型对所述第一图像集合中的每个生物组织图像进行识别，得到所述每个生物组织图像的染色分类结果以及所述每个生物组织图像的图像特征，其中，所述染色分类结果用于表示生物组织图像所属的染色类型；根据所述每个生物组织图像的染色分类结果，从所述第一图像集合中获取生理盐水图像以及P个醋染图像，其中，所述生理盐水图像与所述醋染图像均属于所述生物组织图像，所述P为大于或等于1的整数；根据所述生理盐水图像的图像特征以及每个醋染图像的图像特征，确定P个类间特征距离以及P个类内特征距离，其中，所述P个类间特征距离包括所述每个醋染图像与所述生理盐水图像之间的类间特征距离，所述P个类内特征距离包括所述每个醋染图像所对应的类内特征距离；根据所述P个类间特征距离以及所述P个类内特征距离，确定所述每个醋染图像所对应的综合特征距离，其中，所述综合特征距离用于表征醋染图像的差异显著程度；从所述每个醋染图像所对应的综合特征距离中获取最大综合特征距离，并将所述最大综合特征距离所对应的醋染图像作为目标醋染图像；调用目标检测模型对所述目标醋染图像进行检测，得到所述目标醋染图像的图像检测结果，其中，所述图像检测结果用于确定所述目标醋染图像中的活检区域。2.根据权利要求1所述的检测方法，其特征在于，所述获取待识别的第一图像集合，包括：待识别的第二图像集合，其中，所述第二图像集合包括至少两个生物组织图像；调用第二图像分类模型对所述第二图像集合中的每个生物组织图像进行识别，得到所述每个生物组织图像的遮挡分类结果，其中，所述遮挡分类结果用于表示生物组织图像的被遮挡情况；根据所述每个生物组织图像的遮挡分类结果，将所述第二图像集合中遮挡分类结果属于无遮挡类别的生物组织图像作为所述第一图像集合中的生物组织图像。3.根据权利要求2所述的检测方法，其特征在于，所述方法还包括：获取第一图像样本集合，其中，所述第一图像样本集合包括至少一个第一图像样本，每个第一图像样本对应于遮挡分类标签；针对于所述第一图像样本集合中的每个第一图像样本，基于所述第二图像分类模型获取所述每个第一图像样本所对应的遮挡概率分布；基于所述每个第一图像样本所对应的遮挡概率分布以及所述遮挡分类标签，计算得到第一损失值；采用所述第一损失值对所述第二图像分类模型的模型参数进行更新。4.根据权利要求1所述的检测方法，其特征在于，所述调用第一图像分类模型对所述第一图像集合中的每个生物组织图像进行识别，得到所述每个生物组织图像的染色分类结果以及所述每个生物组织图像的图像特征，包括：针对于所述第一图像集合中的所述每个生物组织图像，通过所述第一图像分类模型所包括的主干网络获取所述每个生物组织图像的图像特征；
针对于所述每个生物组织图像的图像特征，通过所述第一图像分类模型所包括的池化层获取所述每个生物组织图像的池化特征；针对于所述每个生物组织图像的池化特征，通过所述第一图像分类模型所包括的全连接网络获取所述每个生物组织图像的染色概率分布；根据所述每个生物组织图像的染色概率分布，确定所述每个生物组织图像的染色分类结果。5.根据权利要求4所述的检测方法，其特征在于，所述根据所述每个生物组织图像的染色概率分布，确定所述每个生物组织图像的染色分类结果，包括：对所述每个生物组织图像的染色概率分布所包括的各个概率值进行大小比对，得到所述每个生物组织图像的染色概率分布中的最大概率值；针对于所述每个生物组织图像，若生物组织图像的染色概率分布中最大概率值对应于第一元素特征位置，则将所述生物组织图像的染色分类结果确定为无染色类别；针对于所述每个生物组织图像，若生物组织图像的染色概率分布中最大概率值对应于第二元素特征位置，则将所述生物组织图像的染色分类结果确定为生理盐水类别，其中，属于所述生理盐水类别的生物组织图像为所述生理盐水图像；针对于所述每个生物组织图像，若生物组织图像的染色概率分布中最大概率值对应于第三元素特征位置，则将所述生物组织图像的染色分类结果确定为醋染类别，其中，属于所述醋染类别的生物组织图像为所述醋染图像。6.根据权利要求4所述的检测方法，其特征在于，所述根据所述每个生物组织图像的染色概率分布，确定所述每个生物组织图像的染色分类结果，包括：对所述每个生物组织图像的染色概率分布所包括的各个概率值进行大小比对，得到所述每个生物组织图像的染色概率分布中的最大概率值；针对于所述每个生物组织图像，若生物组织图像的染色概率分布中最大概率值对应于第一元素特征位置，则将所述生物组织图像的染色分类结果确定为无染色类别；针对于所述每个生物组织图像，若生物组织图像的染色概率分布中最大概率值对应于第二元素特征位置，则将所述生物组织图像的染色分类结果确定为生理盐水类别，其中，属于所述生理盐水类别的生物组织图像为所述生理盐水图像；针对于所述每个生物组织图像，若生物组织图像的染色概率分布中最大概率值对应于第三元素特征位置，则将所述生物组织图像的染色分类结果确定为醋染类别，其中，属于所述醋染类别的生物组织图像为所述醋染图像；针对于所述每个生物组织图像，若生物组织图像的染色概率分布中最大概率值对应于第四元素特征位置，则将所述生物组织图像的染色分类结果确定为碘染类别，其中，属于所述碘染类别的生物组织图像为碘染图像。7.根据权利要求1至6中任一项所述的检测方法，其特征在于，所述方法还包括：获取第二图像样本集合，其中，所述第二图像样本集合包括至少一个第二图像样本，每个第二图像样本对应于染色分类标签；针对于所述第二图像样本集合中的每个第二图像样本，基于所述第一图像分类模型获取所述每个第二图像样本所对应的染色概率分布；基于所述每个第二图像样本所对应的染色概率分布以及所述染色分类标签，计算得到
第二损失值；采用所述第二损失值对所述第一图像分类模型的模型参数进行更新。8.根据权利要求1所述的检测方法，其特征在于，所述根据所述生理盐水图像的图像特征以及每个醋染图像的图像特征，确定P个类间特征距离以及P个类内特征距离，包括：对所述生理盐水图像的图像特征以及所述每个醋染图像的图像特征进行类间距离计算，得到所述每个醋染图像与所述生理盐水图像之间的类间特征距离；对所述每个醋染图像的图像特征以及其他各个醋染图像对应图像特征进行类内距离计算，得到所述每个醋染图像所对应的类内特征距离，其中，所述其他各个醋染图像为所述P个醋染图像中除了所述醋染图像之外的剩余醋染图像；所述根据所述P个类间特征距离以及所述P个类内特征距离，确定所述每个醋染图像所对应的综合特征距离，包括：针对于所述每个醋染图像，对醋染图像所对应的类间特征距离以及类内特征距离进行加权求和，得到所述醋染图像所对应的综合特征距离。9.根据权利要求8所述的检测方法，其特征在于，所述对所述生理盐水图像的图像特征以及所述每个醋染图像的图像特征进行类间距离计算，得到所述每个醋染图像与所述生理盐水图像之间的类间特征距离，包括：针对于所述每个醋染图像，将醋染图像对应图像特征中的每个元素特征，与所述生理盐水图像对应图像特征中相应位置的元素特征进行元素距离计算，得到所述醋染图像与所述生理盐水图像之间的M个元素特征距离，所述M为大于或等于1的整数；针对于所述每个醋染图像，对所述醋染图像与所述生理盐水图像之间的M个元素特征距离进行图像距离计算，得到所述醋染图像与所述生理盐水图像之间的类间特征距离。10.根据权利要求8所述的检测方法，其特征在于，所述对所述每个醋染图像的图像特征以及其他各个醋染图像对应图像特征进行类内距离计算，得到所述每个醋染图像所对应的类内特征距离，包括：针对于所述每个醋染图像，将醋染图像对应图像特征中的每个元素特征，与所述其他各个醋染图像对应图像特征中相应位置的元素特征进行元素距离计算，得到所述每个醋染图像与所述其他各个醋染图像之间的M个元素特征距离，其中，所述M为大于或等于1的整数；针对于所述每个醋染图像，对所述醋染图像与所述其他各个醋染图像之间的M个元素特征距离进行图像...

【专利技术属性】
技术研发人员：伍健荣，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：