[发明专利]病理图片的识别方法及装置

说明书

本发明公开了一种病理图片的识别方法及装置，其中该方法包括：获得样本数据，所述样本数据包括正样本和负样本，所述正样本为恶性病变病理图片，所述负样本为正常或良性病变病理图片，所述恶性病变病理图片上标记出病变区域；将所述样本数据划分为训练集和测试集；利用所述训练集对深度神经网络模型进行训练；利用所述测试集对训练好的深度神经网络模型进行测试；根据测试结果对训练好的深度神经网络模型进行参数调整；利用训练好的深度神经网络模型对病理图片进行识别。本发明可以提高病理图片识别的效率和准确率。

技术领域

本发明涉及医疗技术领域，尤其涉及病理图片的识别方法及装置。

背景技术

目前，疑似患有鼻咽癌的病人，需要将其鼻咽部分的病理图片交由相应的医生观察，并识别出其中的正常、良性和恶性病理图片。一张病理图片，其长与宽的像素值均为数万级别，若要做出识别，一般需要鼻咽癌方面有着丰富经验的医生，在放大四十倍的情况下进行仔细观察，整个过程不但耗时耗力，依赖经验，准确率不太理想，而且不同经验的医生对同一病理图片可能存在不同识别结论的风险。

发明内容

本发明实施例提供一种病理图片的识别方法，用以提高病理图片识别的效率和准确率，该方法包括：

获得样本数据，所述样本数据包括正样本和负样本，所述正样本为恶性病变病理图片，所述负样本为正常或良性病变病理图片，所述恶性病变病理图片上标记出病变区域；

将所述样本数据划分为训练集和测试集；

利用所述训练集对深度神经网络模型进行训练；

利用所述测试集对训练好的深度神经网络模型进行测试；

根据测试结果对训练好的深度神经网络模型进行参数调整；

利用训练好的深度神经网络模型对病理图片进行识别。

本发明实施例还提供一种病理图片的识别装置，用以提高病理图片识别的效率和准确率，该装置包括：

样本获得模块，用于获得样本数据，所述样本数据包括正样本和负样本，所述正样本为恶性病变病理图片，所述负样本为正常或良性病变病理图片，所述恶性病变病理图片上标记出病变区域；

样本划分模块，用于将所述样本数据划分为训练集和测试集；

模型训练模块，用于利用所述训练集对深度神经网络模型进行训练；

模型测试模块，用于利用所述测试集对训练好的深度神经网络模型进行测试；

模型调整模块，用于根据测试结果对训练好的深度神经网络模型进行参数调整；

图片识别模块，用于利用训练好的深度神经网络模型对病理图片进行识别。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在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病理图片的识别方法。

本发明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执行上述病理图片的识别方法的计算机程序。

本发明实施例中，先获得样本数据，其中将标记出病变区域的恶性病变病理图片作为正样本，将正常或良性病变病理图片作为负样本，将样本数据划分为训练集和测试集，利用训练集对深度神经网络模型进行训练，利用测试集对训练好的深度神经网络模型进行测试，再根据测试结果对训练好的深度神经网络模型进行参数调整，从而使训练好的深度神经网络模型具有病理图片自动识别功能，将病理图片输入该深度神经网络模型，即可识别出病理图片上可能有恶性病变的区域，实现对病理图片的良恶性分类，整个过程省时、省力，不但提高了病理图片识别的效率，而且不依赖于医生的个人经验，大大提高了病理图片识别的准确率。