获取病理图像的特征信息的方法技术

本申请提供了一种获取病理图像的特征信息的方法

【技术实现步骤摘要】
获取病理图像的特征信息的方法、设备及介质


[0001]本申请涉及信息
，尤其涉及一种获取病理图像的特征信息的方法
、
设备及介质
。

技术介绍

[0002]肿瘤诊断的金标准是病理检查，也就是说，诊断肿瘤较可靠的方法，一般以病理检查的结果为依据
。
其中，病理检查需要依托病理图像，病理图像是显微镜对病理组织细胞切片成像后得到的
。
在病理医生根据病理图像下分类诊断结论的过程中，既要根据其高分辨率状态的微观细胞核形态，又要根据其低分辨率状态的宏观细胞长势等进行综合分析
。
[0003]相关技术中，鉴于卷积神经网络
(
英文全称
Convolutional Neural Networks
，简称
CNN)
对图像进行分类识别的优异表现，理论上可以将卷积神经网络和病理图像相结合，使用卷积神经网络对病理图像进行识别后分类，得到所述病理图像的分类诊断结论，即所述病理图像对应良性还是恶性的分类结果
。/>[0004]然而本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种获取病理图像的特征信息的方法，其特征在于，所述方法包括：对所述病理图像进行分割，得到若干尺寸相同的图像块；将所述图像块输入至已经训练好的特征提取模型，以提取各所述图像块的空间特征向量；根据各所述图像块的空间特征向量和所述图像块的尺寸，确定各所述图像块的空间特征矩阵；获取各所述图像块的空间相邻关系，根据所述空间相邻关系和所述各所述图像块的空间特征矩阵，确定所述病理图像的特征信息
。2.
根据权利要求1所述的方法，其特征在于，所述特征提取模型的训练方法包括：确定目标卷积神经网络并获取病理样本图像；对所述病理样本图像进行切割，得到若干样本图像块；根据所述目标卷积神经网络，对所述样本图像块进行有监督学习，或者，根据所述目标卷积神经网络，对所述样本图像块进行无监督学习
。3.
根据权利要求2所述的方法，其特征在于，所述根据所述目标卷积神经网络，对所述样本图像块进行无监督学习包括：对所述样本图像块进行至少两种不同方式的数据增强处理，得到对应于所述样本图像块的至少两种样本增强图像；通过所述目标卷积神经网络分别提取所述至少两种样本增强图像的特征数据；其中，基于同一样本图像块得到的所述样本增强图像的特征数据为正样本数据；不同样本图像块得到的所述样本增强图像的特征数据为负样本数据；所述正样本数据和所述负样本数据对应不同的标签标记；根据目标函数
、
对应所述不同的标签标记的正样本数据和所述负样本数据，确定所述样本图像块的损失值；进行迭代训练，直至所述损失值小于或者等于预设损失值
。4.
根据权利要求3所述的方法，其特征在于，所述通过所述目标卷积神经网络分别提取所述至少两种样本增强图像的特征数据包括：通过所述目标卷积神经网络分别提取所述至少两种样本增强图像的第一特征数据；将所述第一特征数据映射至
MLP
层，得到该特征空间的第二特征数据；将所述第二特征数据作为所述特征数据
。5.
根据权利要求3所述的方法，其特征在于，所述对所述样本图像块进行至少两种不同方式的数据增强处理，得到对应于所述样本图像块的至少两种样本增强图像，具体包括：对所述样本图像块进行两种不同方式的数据增强处理，得到对应于所述样本图像块的两种样本增强图像；所述根据目标函数
、
对应所述不同的标签标记的正样本数据和所述负样本数据，确定所述样本图像块的损失值，具体通过如下公式实现：其中，所述
N
...

【专利技术属性】
技术研发人员：严庆兵，朱宏彬，刘超，
申请(专利权)人：上海鸢理冠智能科技有限公司，
类型：发明
国别省市：