[发明专利]基于图像处理的胃癌病灶识别方法、装置、设备和存储介质

权利要求书

1.基于图像处理的胃癌病灶识别方法，其特征在于，包括，

在待识别病理切片的数字图像上，将包含病灶的区域按照胃癌分型进行病灶等级的标注，得到标注图像；

将所述标注图像通过预训练的改进型U-net语义分割模型进行识别，分别得到分割的病灶结果和分割的轮廓结果；

将所述轮廓结果覆盖叠加在所述病灶结果上，统一轮廓内同一连通域中的病灶等级，得到腺体分离且标注病灶等级的胃癌病灶识别结果；

其中，所述的改进型U-net语义分割模型包括一个接入输入的下采样卷积和两个并行输出的上采样卷积；所述下采样卷积和第一上采样卷积进行分割腺体病灶的特征提取，得到分割的病灶结果；所述下采样卷积和第二上采样卷积进行分割腺体轮廓的特征提取，得到分割的轮廓结果。

2.根据权利要求1所述的基于图像处理的胃癌病灶识别方法，其特征在于，所述的改进型U-net语义分割模型，还包括残差网络模块和注意力模块；所述下采样卷积和上采样卷积的每个卷积层中依次设置有所述残差网络模块和所述注意力模块。

3.根据权利要求2所述的基于图像处理的胃癌病灶识别方法，其特征在于，

所述下采样卷积和第一上采样卷积进行分割腺体病灶的特征提取时，所述第一上采样卷积中的所述残差网络模块与所述第一上采样卷积中的所述残差网络模块对应跳层连接；

所述下采样卷积和第二上采样卷积进行分割腺体轮廓的特征提取时，所述第一上采样卷积中的所述残差网络模块与所述第二上采样卷积中的所述残差网络模块对应跳层连接；

所述对应跳层连接的层级处理的图像大小相同。

4.根据权利要求1所述的基于图像处理的胃癌病灶识别方法，其特征在于，所述在待识别病理切片的数字图像上，将包含病灶的区域按照胃癌分型进行病灶等级的标注之前，还包括通过扫描得到待识别病理切片的数字图像；所述数字图像采用.svs、.kfb、.ndpi和.tif格式中的任意一种。

5.根据权利要求1所述的基于图像处理的胃癌病灶识别方法，其特征在于，所述将包含病灶的区域按照胃癌分型进行病灶等级的标注，具体为采用胃癌病理WHO分型对包含病灶的区域进行病灶等级的标注。

6.根据权利要求1所述的基于图像处理的胃癌病灶识别方法，其特征在于，所述得到标注图像后，所述将所述标注图像通过预训练的改进型U-net语义分割模型进行识别前，还包括对标注图像的数据整理；

对标注图像进行切分，保留含有组织区域的图像，得到有效图像；

将有效图像进行掩码后分为训练集和测试集，完成对标注图像的数据整理；所述训练集和所述测试集用于所述预训练的改进型U-net语义分割模型的训练和测试。

7.根据权利要求1所述的基于图像处理的胃癌病灶识别方法，其特征在于，所述预训练的改进型U-net语义分割模型进行预训练时，包括，

将两个上采样卷积的其中一个各卷积层冻结，对另一个各上采样卷积中的各卷积层进行特征提取和分割对象的训练，待所述改进型U-net语义分割模型收敛；

将已训练好的上采样卷积冻结，对未训练的上采样卷积中的各卷积层进行特征提取和分割对象的训练，直至所述改进型U-net语义分割模型收敛，完成所述预训练。

8.根据权利要求1所述的基于图像处理的胃癌病灶识别方法，其特征在于，所述统一轮廓内同一连通域中的病灶等级，包括，

统计轮廓内同一连通域中各病灶等级所占的像素值；

将同一连通域中的所有像素值改为占比最多的一类，得到所述占比最多像素值对应的病灶等级，作为所述轮廓内同一连通域的病灶等级。

9.根据权利要求1所述的基于图像处理的胃癌病灶识别方法，其特征在于，所述得到腺体分离且标注病灶等级的胃癌病灶识别结果后，还包括，

将一张待识别病理切片的剩余数字图像进行相同操作的识别，分别得到对应的胃癌病灶识别结果；

统计所述待识别病理切片的所述数字图像中，各类等级病灶的数量和面积信息，得到所述待识别病理切片的所属胃癌病灶类型。