【技术实现步骤摘要】
基于多任务的病变检测方法、装置及可读存储介质
[0001]本公开涉及深度学习技术及数字医疗
,具体而言,涉及一种基于多任务的病变检测方法、装置及可读存储介质。
技术介绍
[0002]癌症是一种危害性非常大的疾病,它的病死率非常高,是人类健康最大的杀手之一,癌症一旦发展到晚期,会发生全身扩散和转移,从而给治疗带来非常大的困难,所以我们应该遵循早发现早治疗的原则,在日常的生活中及时进行癌症筛查。其中,细胞病理学检查为目前具有确诊意义的检查手段,比如,可以使用宫颈液基细胞检查方法进行宫颈癌筛查。但在中国由于缺乏病理医生和细胞学检测设备,对癌症的普查率较低,因此各种人工智能辅助筛查的方法逐渐出现。
[0003]在现有技术中,可以基于不同的神经网络模型,分别对细胞学病理报告中涉及的病变细胞、生物性病原体以及鳞状上皮细胞核的数量进行检测,而现有技术的所耗费的时间成本较高,检测精度和效率仍有进一步提升的空间。因此亟需一种高效的细胞病变检测方法。
技术实现思路
[0004]针对上述情况,本申请实施例提供了一种基于多任务的病变检测方法、装置及可读存储介质,旨在解决现有技术中细胞病变检测效率低的问题。
[0005]第一方面,本申请实施例提供了一种基于多任务的病变检测方法,所述方法是基于多任务病变检测模型实现的,所述模型包括多级特征提取网络、第一检测网络、第二检测网络和第三检测网络,其中,所述多级特征提取网络的输出分别作为所述第一检测网络、所述第二检测网络和所述第三检测网络的输入;
[0006 ...
【技术保护点】
【技术特征摘要】
1.一种基于多任务的病变检测方法,其特征在于,所述方法是基于多任务病变检测模型实现的,所述模型包括多级特征提取网络、第一检测网络、第二检测网络和第三检测网络,其中,所述多级特征提取网络的输出分别作为所述第一检测网络、所述第二检测网络和所述第三检测网络的输入;所述方法包括:基于所述多级特征提取网络,对待检测图像进行多级特征提取,得到多级融合特征;基于所述第一检测网络,对所述多级融合特征进行病变细胞检测,得到病变细胞检测结果;基于所述第二检测网络,对所述多级融合特征进行图像满意度检测,得到图像满意度检测结果;基于所述第三检测网络,对所述多级融合特征进行生物性病原体检测,得到生物性病原体检测结果;联合所述病变细胞检测结果、所述图像满意度检测结果、以及所述生物性病原体检测结果,确定检测结果。2.根据权利要求1所述的方法,其特征在于,所述第一检测网络包括依次连接的第一区域候选网络层和病变细胞检测层;所述基于所述第一检测网络,对所述多级融合特征进行病变细胞检测,得到病变细胞检测结果,包括:将所述多级融合特征输入至所述第一区域候选网络层,得到多个第一候选框,其中,第一候选框的参数是根据病变细胞的大小设置的;基于所述病变细胞检测层,对所述多个第一候选框进行筛选,得到至少一组第一边界框位置数据和对应的第一概率;若各所述第一概率中的至少一个大于或等于预设的第一阈值,则确定所述病变细胞检测结果为存在病变细胞。3.根据权利要求1所述的方法,其特征在于,所述第二检测网络包括依次连接的第二区域候选网络层和图像满意度检测层;所述基于所述第二检测网络,对所述多级融合特征进行图像满意度检测,得到图像满意度检测结果,包括:将所述多级融合特征输入至所述第二区域候选网络层,得到多个第二候选框,其中,第二候选框的参数是根据鳞状上皮细胞核的大小设置的;基于所述图像满意度检测层,对所述多个第二候选框进行筛选,得到至少一组第二边界框位置数据和对应的第二概率;若各所述第二概率中大于或等于预设的第二阈值的个数大于预设的数量阈值,则确定所述图像满意度检测结果为满意。4.根据权利要求1所述的方法,其特征在于,所述第三检测网络包括依次连接的第三区域候选网络层和生物性病原体检测层;所述基于所述第三检测网络,对所述多级融合特征进行生物性病原体检测,得到生物性病原体检测结果,包括:将所述多级融合特征输入至所述第三区域候选网络层,得到多个第三候选框,其中,第
三候选框的参数是根据生物性病原体的大小设置的;基于所述生物性病原体检测层,对所述多个第三候选框进行筛选,得到至少一组第三边界框位置数据和对应的第三概率;若各所述第三概率中的至少一个大于或等于预设的第三阈值,则确定所述生物性病原体检测结果为存在生物性病原体。5.根据权利要求1所述的方法,其特征在于,所述待检测图像是根据下述方法得到的:获取待检测初始图像;对所述待检测初始图像进行放大处理,得到放大图像,并将所述放大图像划分为预设数目的子图像;对各所述子图像依次进行非线...
【专利技术属性】
技术研发人员:初晓,韩英男,王佳平,
申请(专利权)人:平安科技深圳有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。