[发明专利]一种基于深度学习和结合策略的细胞异型性自动分级方法

摘要

本发明公开了一种基于深度学习和结合策略的细胞异型性自动分级方法，首先在不同分辨率下运用深度学习方法识别出病理组织图像块的等级，然后在每个分辨率下运用已经训练好的深度模型结合滑动窗口方法处理当前分辨率下的大幅图像，再使用结合策略之一的绝对多数投票法决定当前分辨率下大幅图像的等级，这就可以得到每个分辨率下大幅图像的等级，最后使用相对多数投票法从多个分辨率的等级中决策出图像的最终等级。本发明以大幅切片图为研究对象，采用深度学习加滑动窗口的方法和结合决策的方式，能准确地评定图像的细胞异型性等级。本发明提出的细胞异型性自动分级的方法能辅助医生对病理组织图像癌症等级评定，准确快速地进行临床诊断。

主权项

一种基于深度学习和结合策略的细胞异型性自动分级方法，其特征在于，包括以下步骤：步骤1、对每个病例的不同分辨率下的图像分别进行标记，即是根据图像内细胞核的形态特征和质密度给分值；根据标记，在每个不同分辨率的病理图像中，分别选取不同分值等级的图像块作为每个分辨率下所对应的训练样本集；步骤2、采用步骤1得到的不同分辨率下训练样本集训练不同的卷积神经网络，其中，训练的卷积神经网络模型的数量与图像所拥有的分辨率的数量相同；步骤3、将训练好的卷积神经网络作为分类器，并利用滑动窗口技术，依次对窗口内的图像块进行标记；步骤4、使用绝对多数投票法对利用滑动窗口技术生成的图像块进行投票，得到当前分辨率原图的分级结果；步骤5、对每一个分辨率下的检测图像都进行步骤3和步骤4的操作，从而得到每幅图像不同分辨率下的分级结果；步骤6、对每幅图像不同分辨下的分级结果进行相对多数投票法，得到此幅图像最终的分级结果。