[发明专利]一种基于自学习神经网络的病理切片中印戒细胞检测方法

权利要求书

1.一种基于自学习神经网络的病理切片中印戒细胞检测方法，其特征在于，包括以下步骤：

(1)建立训练集：对病理切片的图片进行归一化预处理后进行标注，将病理切片进行随机切片处理，得到固定大小的小尺寸切片图，并用数据增强方法增加数据集数量，作为训练数据集；

(2)构建印戒细胞检测模型：包括分类模块和检测模块，所述的分类模块为带有阴性样本学习模块的检测网络，所述分类模块和检测模块中的检测网络均为以resnet18为骨网络的retinanet；

(3)模型训练：训练分类模块时，在训练集下进行训练，遇到阴性样本时，将所有anchor的类别判定为负，使得网络能从阴性图中学习到特征，训练至拟合后停止训练；

训练检测模块时，采用自学习训练，第一阶段，使用训练集的原始标注图像对检测网络进行训练直至出现过拟合现象；第二阶段，在训练集上进行预测操作，并且使用数据增强方法，得到更多的未标注印戒细胞，将这些预测到的未标注印戒细胞检测框与原始检测框融合，生成新的训练数据，用于下一阶段检测网络训练；通过使用上述方法进行迭代训练，直到发现召回率不在增加，停止训练；

(4)印戒细胞检测：输入未标注的原始病理图片，首先经过分类模块，判断该病理图片是否属于阴性，如果是阴性，则无需进行检测；如果判断为阳性，则通过检测模块进行印戒细胞检测，输出图中印戒细胞检测框。

2.根据权利要求1所述的基于自学习神经网络的病理切片中印戒细胞检测方法，其特征在于，步骤(1)中，所述的归一化预处理为对像素值进行减均值除方差操作。

3.根据权利要求1所述的基于自学习神经网络的病理切片中印戒细胞检测方法，其特征在于，步骤(1)中，所述的随机切片处理为：对于每张原始尺寸病理切片，随机裁剪出512×512区域。

4.根据权利要求1所述的基于自学习神经网络的病理切片中印戒细胞检测方法，其特征在于，所述的数据增强方法包括：左右翻转、上下翻转、旋转90°、旋转180°、旋转270°、随机旋转-20°到20°；通过上述数据增强方法的随机组合产生更多的训练数据。

5.根据权利要求1所述的基于自学习神经网络的病理切片中印戒细胞检测方法，其特征在于，步骤(3)中，训练检测模块时，在第一阶段，使用原始训练数据训练检测模块，每个迭代结束后计算在测试集上的指标，监控有效召回率，当有效召回率开始下降时，停止训练。

6.根据权利要求1所述的基于自学习神经网络的病理切片中印戒细胞检测方法，其特征在于，步骤(3)中，所述分类模块和检测模块中的检测网络使用opencv工具在病理图片中框选印戒细胞位置，得到印戒细胞检测框。

7.根据权利要求1所述的基于自学习神经网络的病理切片中印戒细胞检测方法，其特征在于，步骤(4)中，未标注的原始病理图片经过分类模块时，分类模块对病理图片进行预测，统计对整张图预测到的印戒细胞检测框数量，当数量小于5时，判定该病理图片为阴性。

8.根据权利要求1所述的基于自学习神经网络的病理切片中印戒细胞检测方法，其特征在于，步骤(4)中，在进行印戒细胞检测时，先采用滑动窗口的方法均匀选取9块尺寸为1024×1024的切片，输入模型后，对每个切片预测的检测框进行记录并将相对坐标转化为绝对坐标，之后使用非最大值抑制算法融合所有预测结果。