[发明专利]基于深度学习模型的病理图像标注方法及系统

说明书

本公开公开了基于深度学习模型的病理图像标注方法及系统，包括：获取待标注的病理图像；设定滑动窗口的尺寸，将滑动窗口在待标注病理图像进行之字形移动；基于训练好的深度学习模型，计算移动前的滑动窗口内图像块的病理类别；滑动窗口移动后，计算移动后的滑动窗口内图像块的病理类别；依据移动前和移动后滑动窗口内图像块病理类别的一致性，输出移动前和移动后滑动窗口内图像块病理类别。

技术领域

本公开涉及图像处理技术领域，特别是涉及基于深度学习模型的病理图像标注方法及系统。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

癌症诊断的金标准是“病理诊断”，它可以确定肿瘤的诊断、组织来源以及性质和范围等，为临床治疗提供重要的依据。人工智能技术发展迅速，应用于医学领域，逐渐成为智能辅助诊断的有效工具。

发明人发现，在人工智能算法的病理图像应用中，受制于人工标注图像的需要具备专业知识，且病理医生日常工作量大，时间费用等成本高昂等众多因素，标注好的训练样本数量成为技术应用发展瓶颈。

发明内容

为了解决现有技术的不足，本公开提供了基于深度学习模型的病理图像标注方法及系统；

第一方面，本公开提供了基于深度学习模型的病理图像标注方法；

基于深度学习模型的病理图像标注方法，包括：

获取待标注的病理图像；

设定滑动窗口的尺寸，将滑动窗口在待标注病理图像进行之字形移动；基于训练好的深度学习模型，计算移动前的滑动窗口内图像块的病理类别；

滑动窗口移动后，计算移动后的滑动窗口内图像块的病理类别；

依据移动前和移动后滑动窗口内图像块病理类别的一致性，输出移动前和移动后滑动窗口内图像块病理类别。

第二方面，本公开提供了基于深度学习模型的病理图像标注系统；

基于深度学习模型的病理图像标注系统，包括：

获取模块，其被配置为：获取待标注的病理图像；

第一计算模块，其被配置为：设定滑动窗口的尺寸，将滑动窗口在待标注病理图像进行之字形移动；基于训练好的深度学习模型，计算移动前的滑动窗口内图像块的病理类别；

第二计算模块，其被配置为：滑动窗口移动后，计算移动后的滑动窗口内图像块的病理类别；

输出模块，其被配置为：依据移动前和移动后滑动窗口内图像块病理类别的一致性，输出移动前和移动后滑动窗口内图像块病理类别。

第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。

第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。

第五方面，本公开还提供了一种计算机程序(产品)，包括计算机程序，所述计算机程序当在一个或多个处理器上运行的时候用于实现前述第一方面任意一项病理图像分类的方法。

与现有技术相比，本公开的有益效果是：

1、本公开利用分类精度无需多高的现有深度学习模型，进行自动化地批量智能标注，将结果提供给病理医生进行筛选确认，从而提高医生的标注效率，不断增大训练数据集，自迭代优化病理图像的分类识别的准确率。