[发明专利]基于数字切片的图片分类方法、装置和计算机设备有效
申请号: | 201911342350.5 | 申请日: | 2019-12-23 |
公开(公告)号: | CN111199193B | 公开(公告)日: | 2022-03-18 |
发明(设计)人: | 叶春毅;朱军明;叶雪辉 | 申请(专利权)人: | 平安国际智慧城市科技股份有限公司 |
主分类号: | G06V20/69 | 分类号: | G06V20/69;G06V10/774;G06V10/764;G06V10/74;G06K9/62 |
代理公司: | 深圳市明日今典知识产权代理事务所(普通合伙) 44343 | 代理人: | 王杰辉 |
地址: | 518000 广东省深圳市前海深港合*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 数字 切片 图片 分类 方法 装置 计算机 设备 | ||
本申请揭示了一种基于数字切片的图片分类方法、装置、计算机设备和存储介质,所述方法包括:获取数字切片;对所述数字切片进行预处理,从而得到数字图片;采用图片向量生成器对所述数字图片进行运算,从而得到所述图片向量生成器中的第一编码器进行编码得到的第一指定向量A;采用第一译码器对所述第一指定向量A进行译码处理,得到第一译码器输出的译码图片;采用第二编码器对所述译码图片进行编码处理,得到第二编码器输出的第二指定向量B;计算第一指定向量A和第二指定向量B之间的相似程度值;若所述相似程度值大于预设的相似度阈值,则将所述数字切片确定为预设分类图片。从而实现了准确的图片分类。
技术领域
本申请涉及到计算机领域,特别是涉及到一种基于数字切片的图片分类方法、装置、计算机设备和存储介质。
背景技术
液基薄层细胞检测是目前常见的检测方式之一,通过液基薄层细胞检测能够得到数字图片,该数字图片中存在大量有用信息,一般情况下会将该数字图片进行分类存储。但是目前对于液基薄层细胞检测得到的数字图片进行分类时,需要专业人士进行准确分类(这是因为数字图片中的大量信息,非专业人士无法理解),因此传统的对于上述数字图片进行分案的方案,其准确性得不到保证,分类的可控性差、一致性低。因此,传统技术缺乏准确高效地进行上述数字图片分类的方法。
发明内容
本申请的主要目的为提供一种基于数字切片的图片分类方法、装置、计算机设备和存储介质,旨在实现准确的图片分类。
为了实现上述发明目的,本申请提出一种基于数字切片的图片分类方法,包括以下步骤:
获取数字切片,所述数字切片是采用预设的显微扫描仪对液基薄层细胞样本进行扫描而得到;
采用预设的预处理方法对所述数字切片进行预处理,从而得到数字图片;
采用预设的数字图片分类模型中的图片向量生成器对所述数字图片进行运算,从而得到所述图片向量生成器中的第一编码器进行编码而成的第一指定向量A,其中所述图片向量生成器由依次连接的第一编码器、第一译码器和第二编码器而构成;其中所述数字图片分类模型采用指定样本数据训练而成;
采用所述第一译码器对所述第一指定向量A进行译码处理,从而得到所述第一译码器输出的译码图片;
采用所述第二编码器对所述译码图片进行编码处理,从而得到所述第二编码器输出的第二指定向量B;
使用预设的相似程度计算方法,计算所述第一指定向量A和所述第二指定向量B之间的相似程度值,并判断所述相似程度值是否大于预设的相似度阈值;
若所述相似程度值大于预设的相似度阈值,则将所述数字切片确定为预设分类图片。
进一步地,所述液基薄层细胞样本在进行扫描前经过了至少两次染色处理,所述采用预设的预处理方法对所述数字切片进行预处理的步骤,包括:
获取所述数字切片中的像素点的RGB颜色模型中的红颜色通道的数值R、绿颜色通道的数值G和蓝颜色通道的数值B;
根据公式:F1=MIN{ROUND[(a1R+a2G+a3B)/H,0],P1},获取参考数值F1,其中MIN为最小值函数,ROUND为四舍五入函数,a1、a2、a3均为大于0且小于H的正数,H为大于0的整数,P1为预设的取值在范围(0,255)之内第一阈值参数;
判断所述参考数值F1的值是否等于P1;
若所述参考数值F1的值等于P1,则根据公式:F2=MAX{ROUND[(a1R+a2G+a3B)/H,0],P2},获取参考数值F2,其中MAX为最大值函数,P2为预设的取值在范围(0,255)之内第二阈值参数,并且P2大于P1;
判断所述参考数值F2的值是否等于P2;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安国际智慧城市科技股份有限公司,未经平安国际智慧城市科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911342350.5/2.html,转载请声明来源钻瓜专利网。