一种病理图像检测方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种病理图像检测方法、装置、计算机设备及存储介质，所述方法包括：获取待检测病理图像；基于深度学习网络模型对所述待检测病理图像进行检测，得到检测结果，其中，所述深度学习网络模型用于对所述待检测病理图像进行对比检测，所述深度学习模型包括第一编码单元、第二编码单元以及第三编码单元；根据所述检测结果，输出与所述检测结果匹配的体质状态和调理策略，能够对待检测病理图像进行准确检测，从而确定待检测病理图像对应的体质状态和调理策略。状态和调理策略。状态和调理策略。

【技术实现步骤摘要】
一种病理图像检测方法、装置、计算机设备及存储介质


[0001]本专利技术涉及病理图像检测
，尤其涉及一种病理图像检测方法、装置、计算机设备及存储介质。

技术介绍

[0002]骨质疏松症是一种代谢性骨病，随着人口老龄化和生活方式变化，其患病率逐年上升，已成为全球性的公共卫生问题。骨质疏松症主要由于骨量丢失与降低、骨组织微观结构破坏、骨脆性增加等因素导致骨质减少、骨强度下降，进而导致患者容易发生骨折等全身代谢性骨病。根据统计，我国60岁以上老人患病率为36%，且随着年龄的增加患病率逐渐上升。而该病初期无明显症状，被称为“寂静的疾病”，因此提高骨质疏松症的早期检测和预防至关重要。
[0003]传统的病理图像检测和预防方法主要依赖于医生的经验和患者的症状，存在诊断精度低、无法早期预测病情进展等缺点。因此，如何提供一种病理图像检测方法，实现对病理图像精确预测，成为了目前亟待解决的技术问题。

技术实现思路

[0004]本专利技术实施例提供一种病理图像检测方法、装置、计算机设备及存储介质，能够提高病理图像检测的准确性，以便后续的诊疗。
[0005]为了解决上述技术问题，本申请实施例提供一种病理图像检测方法，包括以下步骤：获取待检测病理图像；基于深度学习网络模型对所述待检测病理图像进行检测，得到检测结果，其中，所述深度学习网络模型用于对所述待检测病理图像进行对比检测，所述深度学习模型包括第一编码单元、第二编码单元以及第三编码单元；根据所述检测结果，输出与所述检测结果匹配的体质状态和调理策略。r/>[0006]进一步地，所述基于深度学习网络模型对所述待检测病理图像进行检测，得到检测结果包括：在病理图像数据库中获取预设数量的病理正样本以及病理负样本，所述病理正样本包括正常图像样本，所述病理负样本包括异常图像样本；将所述待检测病理图像输入至所述第一编码单元，以获得第一向量；将所述病理正样本输入至所述第二编码单元，以获得各个第二向量；将所述病理负样本输入至所述第三编码单元，以获得各个第三向量；根据所述第一向量、所述第二向量和所述第三向量，得到所述检测结果。
[0007]进一步地，所述根据所述第一向量、所述第二向量和所述第三向量，得到所述检测结果包括：根据所述第一向量与所述第二向量，进行相似度计算，以获得各个第一概率结果；
根据所述第一向量以及所述第三向量，进行相似度计算，以获得各个第二概率结果；根据所述第一概率结果以及所述第二概率结果，得到所述检测结果。
[0008]进一步地，所述根据所述第一概率结果以及所述第二概率结果，得到所述检测结果包括：在所述第一概率结果以及所述第二概率结果中，将概率值最大的作为检测结果；或，在所述第一概率结果以及所述第二概率结果中，将概率值大于预设值的作为检测结果。
[0009]进一步地，所述获取待检测病理图像之前，所述方法还包括：获取样本病理图像，所述样本病理图像包括病理正样本图像和病理负样本图像，所述病理正样本图像包括正常图像样本，所述病理负样本图像包括异常图像样本；对所述样本病理图像进行标注，所述标注包括正常部位和位置以及异常部位和位置；将经过标注的病理样本图像输入至初始深度学习网络模型；利用所述初始深度学习网络模型确定所述样本病理图像中的病理部位和位置，并将得到的病理部位和位置与标注的部位和位置进行比对，计算得到位置损失函数；根据所述位置损失函数对所述初始深度学习网络模型中的参数和权重进行调整，得到所述深度学习网络模型。
[0010]进一步地，所述获取样本病理图像之后，所述方法还包括：对所述样本病理图像进行预处理，所述预处理包括图像去噪处理、图像增强处理和图像分割处理中的至少一项。
[0011]进一步地，所述根据所述检测结果，输出与所述检测结果匹配的体质状态和调理策略包括：基于检测数据库对所述检测结果进行匹配查询，通过用户交互模块输出与所述检测结果关联的体质状态和调理策略至终端设备进行显示，其中，所述检测数据库包括关联表，所述关联表记录了病理特征、体质状态和调理策略的映射关系，所述终端设备包括与所述待检测病理图像关联的电子设备。
[0012]为了解决上述技术问题，本申请实施例还提供一种病理图像检测装置，包括：获取模块，用于获取待检测病理图像；检测模块，用于基于深度学习网络模型对所述待检测病理图像进行检测，得到检测结果，其中，所述深度学习网络模型用于对所述待检测病理图像进行对比检测，所述深度学习模型包括第一编码单元、第二编码单元以及第三编码单元；输出模块，用于根据所述检测结果，输出与所述检测结果匹配的体质状态和调理策略；检测模块，还用于在病理图像数据库中获取预设数量的病理正样本以及病理负样本，所述病理正样本包括正常图像样本，所述病理负样本包括异常图像样本；将所述待检测病理图像输入至所述第一编码单元，以获得第一向量；将所述病理正样本输入至所述第二编码单元，以获得各个第二向量；将所述病理负样本输入至所述第三编码单元，以获得各个第三向量；根据所述第一向量、所述第二向量和所述第三向量，得到所述检测结果。
[0013]为了解决上述技术问题，本申请实施例还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0014]为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
[0015]本专利技术实施例提供的病理图像检测方法、装置、计算机设备及存储介质，通过获取待检测病理图像；基于深度学习网络模型对所述待检测病理图像进行检测，得到检测结果，其中，所述深度学习网络模型用于对所述待检测病理图像进行对比检测，所述深度学习模型包括第一编码单元、第二编码单元以及第三编码单元；根据所述检测结果，输出与所述检测结果匹配的体质状态和调理策略，能够对待检测病理图像进行准确检测，从而确定待检测病理图像对应的体质状态和调理策略。
附图说明
[0016]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0017]图1是本申请可以应用于其中的示例性系统架构图；图2是本申请的病理图像检测方法的一个实施例的流程图；图3是本申请的病理图像检测方法的深度学习网络模型的示意图；图4是根据本申请的病理图像检测装置的一个实施例的结构示意图；图5是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
[0018]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种病理图像检测方法，其特征在于，所述方法包括：获取待检测病理图像；基于深度学习网络模型对所述待检测病理图像进行检测，得到检测结果，其中，所述深度学习网络模型用于对所述待检测病理图像进行对比检测，所述深度学习模型包括第一编码单元、第二编码单元以及第三编码单元；根据所述检测结果，输出与所述检测结果匹配的体质状态和调理策略；所述基于深度学习网络模型对所述待检测病理图像进行检测，得到检测结果包括：在病理图像数据库中获取预设数量的病理正样本以及病理负样本，所述病理正样本包括正常图像样本，所述病理负样本包括异常图像样本；将所述待检测病理图像输入至所述第一编码单元，以获得第一向量；将所述病理正样本输入至所述第二编码单元，以获得各个第二向量；将所述病理负样本输入至所述第三编码单元，以获得各个第三向量；根据所述第一向量、所述第二向量和所述第三向量，得到所述检测结果。2.如权利要求1所述的方法，其特征在于，所述根据所述第一向量、所述第二向量和所述第三向量，得到所述检测结果包括：根据所述第一向量与所述第二向量，进行相似度计算，以获得各个第一概率结果；根据所述第一向量以及所述第三向量，进行相似度计算，以获得各个第二概率结果；根据所述第一概率结果以及所述第二概率结果，得到所述检测结果。3.如权利要求2所述的方法，其特征在于，所述根据所述第一概率结果以及所述第二概率结果，得到所述检测结果包括：在所述第一概率结果以及所述第二概率结果中，将概率值最大的作为检测结果；或，在所述第一概率结果以及所述第二概率结果中，将概率值大于预设值的作为检测结果。4.如权利要求1所述的方法，其特征在于，所述获取待检测病理图像之前，所述方法还包括：获取样本病理图像，所述样本病理图像包括病理正样本图像和病理负样本图像，所述病理正样本图像包括正常图像样本，所述病理负样本图像包括异常图像样本；对所述样本病理图像进行标注，所述标注包括正常部位和位置以及异常部位和位置；将经过标注的病理样本图像输入至初始深度学习网络模型；利用所述初始深度学习网络模型确定所述样本病理图像中的病理部位和位置，并将得到的病理部位和位置与标注...

【专利技术属性】
技术研发人员：左勇，李文昊，王晓龙，
申请(专利权)人：智慧眼科技股份有限公司，
类型：发明
国别省市：