一种面向样本不均衡的不合格免疫组化图像识别系统技术方案

本发明专利技术公开了一种面向样本不均衡的不合格免疫组化图像识别系统，包括：图像增强模块，对原始图像进行垂直水平翻转、随机平移、随机裁减、色域抖动和/或随机亮度增减；图像识别模块，将增强后的图片输入EfficientNet卷积神经网络中，通过若干移动翻转瓶颈卷积模块提取图像特征，经过全连接层和Softmax激活函数，并基于Focal Loss损失函数，得到不合格免疫组化图像的识别结果。本发明专利技术系统采用图像数据增强方法扩增样本量，并使用Focal Loss损失函数让EfficientNet卷积神经网络更关注难分类样本，提升上皮或癌少以及位点缺失的图像的识别准确率。确率。确率。

【技术实现步骤摘要】
一种面向样本不均衡的不合格免疫组化图像识别系统


[0001]本专利技术涉及数字病理图像和计算机领域，具体涉及一种面向样本不均衡的不合格免疫组化图像识别系统。

技术介绍

[0002]在结直肠癌的免疫组化图像中，除了质量合格、可以正常评分的图像以外，还包含位点缺失和上皮或癌少这两类质量不合格图像。位点缺失是因为在制作免疫组化切片时部分位点的组织切片脱落导致的。上皮或癌少的含义是所取的组织切片中可用于有效判断的上皮或癌组织太少，只有上皮表达的P53蛋白才对判断肿瘤恶性程度有意义。这两类图像都是切片制作质量不合格所导致的，无法从这两类图像中判断患者的病变情况，因此进行免疫组化评分是没有意义的，不能达到诊断的效果。此外，位点缺失和上皮或癌少这两类不合格图像相比合格图像样本量较少，这种样本不平衡会导致训练图像识别模型时倾向于样本数量多的类别，而轻视样本数量少的类别，使得模型对位点缺失和上皮或癌少的图像识别能力较差。
[0003]因此，亟需提出一种在包含位点缺失和上皮或癌少不合格图像的不均衡样本情况下的不合格免疫组化图像识别系统以检出这两类质量不合格本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向样本不均衡的不合格免疫组化图像识别系统，其特征在于，所述系统包括：图像增强模块，对原始图像进行垂直水平翻转、随机平移、随机裁减、色域抖动和/或随机亮度增减；图像识别模块，将增强后的图片输入EfficientNet卷积神经网络中，通过若干移动翻转瓶颈卷积模块提取图像特征，经过全连接层和Softmax激活函数，并基于Focal Loss损失函数，得到不合格免疫组化图像的识别结果。2.根据权利要求1所述的一种面向样本不均衡的不合格免疫组化图像识别系统，其特征在于，对原始图像进行随机平移包括：设置移动距离阈值，在移动距离阈值内随机将图像沿水平和垂直方向平移，并填充图像中的空缺区域。3.根据权利要求1所述的一种面向样本不均衡的不合格免疫组化图像识别系统，其特征在于，对原始图像进行色域抖动包括：将图像变换到HSV颜色空间，取出代表色调的H通道，并设置色域抖动阈值范围，在色域抖动阈值范围内随机改变图像的色调。4.根据权利要求1所述的一种面向样本不均衡的不合格免疫组化图像识别系统，其特征在于，对原始图像进行随机亮度增减包括：将图像变换到HSV颜色空间，取出代表明度的V通道，并设置随机亮度阈值范围，在随机亮度阈值范围内随机增加或减小原始图像的明度。5.根据权利要求1
‑
4任一项所述的一种面向样本不均衡的不合格免疫组化图像识别系统，其特征在于，所述图像增强模块包括：对原始图像按自定义的概率进行垂直水平翻转、随机平移、随机裁减、色域抖动和/或随机亮度增减。6.根据权利要求1所述的一种面向样本不均衡的不合格免疫组化图像识别系统，其特征在于，所述EfficientNet卷积神经网络采用EfficientNet
‑
B5模型结构。7.根据权利要求1或6所述的一种面向样本不均衡的不合格免疫组化图像识别系统，其特征在于，所述图像识别模块包括：将增强后的图片输入EfficientNet卷积...

【专利技术属性】
技术研发人员：张金波，郭晓雷，曹雨齐，葛维挺，侯迪波，
申请(专利权)人：浙江大学，
类型：发明
国别省市：