[发明专利]医学影像识别检测方法、装置及计算机可读存储介质

说明书

本发明涉及一种人工智能技术，揭露了一种医学影像识别检测方法，包括：获取病理图像集，对所述病理图像集进行归一化、图像降噪以及图像增强处理，得到增强病理图像集；将所述增强病理图像集输入至预先构建的病理检测模型中，通过所述病理检测模型中的正向传播得到所述增强病理图像集的权重参数，对所述权重参数进行更新直至所述病理检测模型趋于收敛，完成训练；通过训练完成后的所述病理检测模型对待检测的病理图像进行检测，并将检测结果返回给用户。本发明还提出一种医学影像识别检测装置以及一种计算机可读存储介质。本发明实现了医学影像的智能识别及检测。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种医学影像识别检测方法、装置及计算机可读存储介质。

背景技术

随着深度学习在医学影像领域中的渗透及应用，将AI技术应用于医疗影像分析可以帮助医生定位病灶分析病情，辅助医生精确快速的做出诊断。目前在医疗影像领域，AI应用主要集中在肺结节、眼底、乳腺等，随着AI技术的不断影像及临床需求的日益提高，AI技术在数字病理诊断也得到应用。

目前在临床肾活检病理诊断流程中，病理医生通过光学显微镜观察病理切片图像中肾小球的病理形态、肾小球内细胞增生分布情况以及病理医生的自身经验进行病理分析并给出病理诊断报告。由于切片图像中肾小球个数众多，通过肉眼观察识别肾小球的工作量极大，效率比较低，而且诊断结果容易受到医生主观因素的影响。

发明内容

本发明提供一种医学影像识别检测方法、装置及计算机可读存储介质，其主要目的在于提供一种智能化的肾小球检测方案。

为实现上述目的，本发明提供的一种医学影像识别检测方法，包括：

获取病理图像集，对所述病理图像集进行归一化操作，并将归一化操作后的所述病理图像集进行图像降噪处理，得到标准病理图像集；

对所述标准病理图像进行图像增强处理，得到增强病理图像集；

将所述增强病理图像集输入预先构建的病理检测模型中，通过所述病理检测模型中的正向传播得到所述增强病理图像集的权重参数，利用梯度下降算法对所述权重参数进行更新直至所述病理检测模型趋于收敛，得到训练完成后的病理检测模型；

接收用户输入的待检测病理图像，通过上述训练完成后的病理检测模型对所述待检测病理图像进行检测，并将检测结果返回给所述用户。

可选地，所述归一化操作包括：

x＝(x-μ)/σ

其中，x表示病理图像集中的图像数据，μ为病理图像集中图像数据的均值，σ为病理图像集中图像数据的标准差。

可选地，所述图像降噪处理包括：

其中，f(x,y)表示降噪后的病理图像，g(x,y)表示待处理的病理图像，表示病理图像的噪声方差，表示病理图像的像素灰度均值，表示病理图像的像素灰度的方差。

可选地，所述通过所述病理检测模型中的正向传播得到所述增强病理图像集的权重参数，包括：

对所述增强病理图像集进行分类分支处理后得到所述增强病理图像集的前景点，通过中性分支算法计算所述前景点的边框界位置，根据所述边框界位置利用预先确定的权重参数计算公式计算出所述增强病理图像集的权重参数。

可选地，所述根据所述边框界位置利用预先确定的权重参数计算公式计算出所述增强病理图像集的权重参数，包括：

利用下述公式计算出所述增强病理图像集的权重参数：