基于自适应阈值小波去噪的乳腺癌病理图像分类系统技术方案

本发明专利技术提出了基于自适应阈值小波去噪的乳腺癌病理图像分类系统，将乳腺癌病理图像的分类模型训练的损失函数与小波阈值的选取进行关联，使小波阈值在模型训练中被优化并逐渐接近去噪效果良好的阈值，从而找到合适图像任务的小波阈值，提高后续乳腺癌病理图像的分类准确率。准确率。准确率。

【技术实现步骤摘要】
基于自适应阈值小波去噪的乳腺癌病理图像分类系统


[0001]本专利技术属于医学影像
，尤其涉及基于自适应阈值小波去噪的乳腺癌病理图像分类系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]癌症是全球第二大死因，而乳腺癌现在已经取代肺癌成为世界上最主要的癌症。对乳腺癌的准确诊断对于成功治疗和降低死亡率至关重要。有不同的检测技术用于诊断，如活检、超声波(US)、磁共振成像(MRI)和红外热成像。其中，活检是检测乳腺癌最可靠和最广泛使用的技术。这需要病理学家用显微镜观察组织的形态并做出诊断。然而，能够做出准确诊断的病理学家需要多年的培训，而且诊断过程耗时费力。有针对性的计算机辅助诊断系统可以帮助提高乳腺癌组织病理学诊断的效率，方便对更多患者进行检查。
[0004]近年来，在图像分类任务中表现良好的CNN(卷积神经网络)方法被广泛应用于医学图像分类任务中。目前CNN已经成为乳腺癌组织病理学图像分类研究中的主流方法，并且在公开的数据集上明显优于传统方法。然而，一些研本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于自适应阈值小波去噪的乳腺癌病理图像分类系统，其特征在于，包括：小波变换模块，其被配置为：对所获取的原始乳腺癌病理图像进行小波变换处理，得到各层的小波系数；去噪模块，其被配置为：基于小波阈值对各层的小波系数进行去噪处理；基于分类模型训练中的损失函数对所述小波阈值进行自适应选取；重建模块，其被配置为：利用去噪后的各层的小波系数进行乳腺癌病理图像的重建；分类模块，其被配置为：将重建后的乳腺癌病理图像输入到训练好的所述分类模型中，得到乳腺癌病理图像的分类结果。2.如权利要求1所述的基于自适应阈值小波去噪的乳腺癌病理图像分类系统，其特征在于，在所述小波变换模块中，对获取的原始乳腺癌病理图像进行分解为不同频率级别的系数组，包括近似系数和细节系数，对细节系数进行去噪处理。3.如权利要求1所述的基于自适应阈值小波去噪的乳腺癌病理图像分类系统，其特征在于，在所述去噪模块中，利用sigmoid函数和小波阈值构建阈值函数，利用所述阈值函数对各层的小波系数进行去噪处理，得到去噪后的各层的小波系数。4.如权利要求1所述的基于自适应阈值小波去噪的乳腺癌病理图像分类系统，其特征在于，在所述去噪模块中，基于分类模型训练中的损失函数对所述小波阈值进行自适应选取，具体为：决定小波阈值的参数与分类模型的参数在分类模型训练中一起训练。5.如权利要求4所述的基于自适应阈值小波去噪的乳腺癌病理图像分类系统，其特征在于，在所述去噪模块中，利用反向传播对分类模型训练中的参数进行优化。6.如权利要求1所述的基于自适应阈值小波去噪的乳腺癌病理图像分类系统，其特征在于，在所述分类模块中，所述分类模型采用改进的ResNeXt
‑
50网络，具体为：将重建后的乳腺癌病理图像输入到改进的ResNeXt
‑
50网络中，首先经卷积核为7
×
7，步长为2，通道维度数量为64的卷积层进行卷积运算，并输出128
×
128的特征图；然后依次进行3次输入为128维、输出为256维的Res1块运算；并进行3次输入为256维、输出为512维的Res2块运算；进行9次输入为512维、输出为1024维的Res3块运算；进行3次输入1024维、输出为2048...

【专利技术属性】
技术研发人员：刘笑嶂，刘羽健，亓媛，李威，
申请(专利权)人：海南大学，
类型：发明
国别省市：