[发明专利]膜性肾病的病理图像分类方法、装置、设备及存储介质

权利要求书

1.一种膜性肾病的病理图像分类方法，其特征在于，包括：

获取肾活检肾小球病理图像；

将所述肾活检肾小球病理图像输入预训练的MTLSC-Net神经网络模型的分割模块，得到肾小球基底膜及其周围免疫复合物的分割掩码图像；所述分割模块，包括：编码单元，由残差网络和池化层组成，用于对肾活检肾小球病理图像进行下采样，得到多个不同尺度的特征图；解码单元，由上采样层和Sigmoid函数组成，用于对特征图进行上采样，并采用Sigmoid函数进行预测，将预测值大于预设阈值的标记为1，小于预设阈值的标记为0，得到分割掩码；横向连接单元，用于将解码单元中上采样后的特征图和编码单元中相同尺度的特征图进行合并，将高层语义信息和低层位置信息进行融合；

将所述分割掩码图像输入所述MTLSC-Net神经网络模型的分类模块，得到膜性肾病病理图像的分类结果，所述分类模块，包括：特征融合单元，用于将分割模块输出的特征图进行合并，得到合并后的多尺度融合特征图；卷积池化单元，用于根据分割掩码对所述多尺度融合特征图进行特征选择性学习，以及对所述多尺度融合特征图进行下采样；全连接单元，用于将下采样后的多尺度融合特征图输入全连接层，得到膜性肾病病理图像的分类结果。

2.根据权利要求1所述的方法，其特征在于，将所述肾活检肾小球病理图像输入预训练的MTLSC-Net神经网络模型之前，还包括：

构造训练集、测试集和验证集；

根据所述训练集、测试集和验证集训练所述MTLSC-Net神经网络模型。

3.根据权利要求2所述的方法，其特征在于，构造训练集、测试集和验证集，包括：

获取多张肾活检肾小球病理图像；

将所述肾活检肾小球病理图像中的肾小球基底膜及其周围免疫复合物的像素值标注为1，将其余部分的像素值标注为0，得到标注后的分割掩码图像数据集，将所述分割掩码图像数据集分为第一训练集、第一测试集和第一验证集；

对所述分割掩码图像数据集中的肾小球基底膜的类别进行标注，得到标注后的分类图像数据集，将所述分类图像数据集分为第二训练集、第二测试集和第二验证集。

4.根据权利要求3所述的方法，其特征在于，根据所述训练集、测试集和验证集训练所述MTLSC-Net神经网络模型，包括：

根据所述第一训练集、第一测试集和第一验证集以及二元交叉熵损失函数，训练所述MTLSC-Net神经网络模型的分割模块；

所述二元交叉熵损失函数如下所示：

其中，为真实标签值,为预测值；

根据所述第二训练集、第二测试集和第二验证集以及多分类交叉熵损失函数，训练所述MTLSC-Net神经网络模型的分类模块；

所述多分类交叉熵损失函数如下所示：

其中，为真实标签值,为预测值，为类别。

5.根据权利要求4所述的方法，其特征在于，还包括根据总损失函数训练所述MTLSC-Net神经网络模型；

所述总损失函数如下所示：

其中，表示模型参数。