[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

说明书

本申请涉及一种医学图像分类方法、装置、计算机设备和存储介质，获取病理切片图像，对病理切片图像进行分割处理，得到子切片图像，便于后续模型对图片的处理，采用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的图片分类模型，预测得到子切片图像的所属类别置信度，将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、并根据所属类别置信度对病灶切片进行打分，统计病灶切片的得分，得到病理切片图像的分类结果，能够使得已训练的图片分类模型，从视觉数据中抽取高度抽象的特征，快速准确完成病理切片图像的分类，为医生进一步诊断病情提供准确切统一客观的依据，支持医生根据病理切片图像对病情进行准确诊断。

技术领域

本申请涉及医学图像分析领域，特别是涉及医学图像分类方法、装置、设备、计算机设备和存储介质。

背景技术

在现代医学领域中，通过观察数字化病理切片图像来判断相应组织器官是否有病变异常的检查手段是较为常见检查手段之一。经验丰富的医生通过放大数字化切片图像的局部区域进行肉眼细致观察，进而能够得出相应组织器官是否有病变异常的结论。

然而，一张数字化病理切片图像，其长与宽的像素值均为数万级别，且图像本身携带信息的丰富且复杂，医生若使用肉眼基于数字化病理切片图像对病情做出判断，不仅耗时耗力，阅片数量有限，且可能因为图像本身的信息复杂会存在局部不清晰等影响因素，容易漏掉关键的病变区域，导致诊断结果准确率不高，即无法支持医生进行准确诊断。

因此，需要提供一种能够支持医生根据病理切片图像对病情进行准确诊断的处理方案。

发明内容

基于此，有必要针对缺乏能够辅助医生根据病理切片图像对病情进行准确诊断的处理方案，提供一种医学图像分类方法、装置、设备、计算机设备和存储介质。

一种医学图像分类方法，方法包括：

获取病理切片图像，对病理切片图像进行分割处理，得到子切片图像；

采用已训练的图片分类模型预测子切片图像的所属类别，得到各子切片图像的所属类别置信度，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、并根据所属类别置信度对病灶切片进行打分；

统计病灶切片的得分，得到病理切片图像的分类结果。

在其中一个实施例中，采用已训练的图片分类模型预测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，得到图片分类模型。

在其中一个实施例中，采用已训练的图片分类模型预测子切片图像的所属类别之前，还包括：

采用阈值分割法，将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；

计算空白区域在所在子切片图像中的面积占比；

舍弃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子切片图像的所属类别包括：

采用已训练的图片分类模型预测更新后的子切片图像。

在其中一个实施例中，采用已训练的图片分类模型预测子切片图像的所属类别之前，还包括：