[发明专利]医学图像分类方法、装置、设备、计算机设备和存储介质

权利要求书

1.一种医学图像分类方法，所述方法包括：

获取病理切片图像，对所述病理切片图像进行分割处理，得到子切片图像；

采用阈值分割法，将所述子切片图像中大于或等于预设像素阈值的像素区域标记为空白区域，计算所述空白区域在所在子切片图像中的面积占比，舍弃所述空白区域的面积占比超过预设比例的子切片图像，得到更新后的子切片图像；

采用已训练的图片分类模型预测所述更新后的子切片图像的所属类别，得到各所述更新后的子切片图像的所属类别置信度，所述图片分类模型基于不同类别的携带病灶标记信息的病理切片图像样本集训练得到；

将所述所属类别置信度大于或等于预设阈值的子切片图像标记为病灶切片、并根据所述所属类别置信度对所述病灶切片进行打分；

统计所述病灶切片的得分，得到所述病理切片图像的分类结果；

其中，根据所述所属类别置信度对所述病灶切片进行打分包括以下方式：当p＜0.8时，S=0；当p＞0.8时，S=2^((p-0.8)*10)；当p=0.8时，S=1；

式中，p为更新后的子切片图像的所属类别置信度，S为所述病灶切片的得分。

2.根据权利要求1所述的医学图像分类方法，其特征在于，所述采用已训练的图片分类模型预测所述更新后的子切片图像的所属类别之前，还包括：

构建至少两个初始图片分类模型、并设定各初始图片分类模型的最优超参数；

将所述携带病灶标记信息的病理切片图像样本集输入至各初始图片分类模型；

采用分段常数衰减法调整各初始图片分类模型的学习率，直至各初始图片分类模型达到收敛；

获取达到收敛的各初始图片分类模型的评价参数、并根据评价参数筛选出最优的初始图片分类模型，得到所述图片分类模型。

3.根据权利要求1所述的医学图像分类方法，其特征在于，所述采用已训练的图片分类模型预测所述更新后的子切片图像的所属类别之前，还包括：

基于所述更新后的子切片图像的光度信息，对所述更新后的子切片图像的亮度、颜色以及饱和度进行统一化处理。

4.根据权利要求1所述的医学图像分类方法，其特征在于，所述对所述病理切片图像进行分割处理，得到子切片图像包括：

采用滑动窗口图像处理算法，将所述病理切片图像切分为相同尺寸的子切片图像。

5.根据权利要求1所述的医学图像分类方法，其特征在于，所述得到所述病理切片图像的分类结果之后，还包括：

根据所述分类结果，调用可视化机制算法，得到所述病灶切片的热力图、并将所述热力图与所述病灶切片叠加，所述热力图包括感兴趣的病变区域；

根据各子切片图像携带的位置信息将各子切片图像进行拼接，合成病理切片图像的病变区域。

6.一种医学图像分类装置，所述装置包括：

图像分割模块，用于获取病理切片图像，对所述病理切片图像进行分割处理，得到子切片图像；

图像预处理模块，用于采用阈值分割法，将所述子切片图像中大于或等于预设像素阈值的像素区域标记为空白区域，计算所述空白区域在所在子切片图像中的面积占比，舍弃所述空白区域的面积占比超过预设比例的子切片图像，得到更新后的子切片图像；

图像置信度预测模块，用于采用已训练的图片分类模型预测所述更新后的子切片图像的所属类别，得到各更新后的子切片图像的所属类别置信度，所述图片分类模型基于不同类别的携带病灶标记信息的病理切片图像样本集训练得到；

图像打分模块，用于将所述所属类别置信度大于或等于预设阈值的子切片图像标记为病灶切片、并根据所述所属类别置信度对所述病灶切片进行打分，其中，根据所述所属类别置信度对所述病灶切片进行打分包括以下方式：当p＜0.8时，S=0；当p＞0.8时，S=2^((p-0.8)*10)；当p=0.8时，S=1；式中，p为更新后的子切片图像的所属类别置信度，S为所述病灶切片的得分；

图像分类模块，用于统计所述病灶切片的得分，得到所述病理切片图像的分类结果。