[发明专利]一种病理切片中非常规细胞的识别方法

摘要

本发明公开了一种病理切片中非常规细胞的识别方法，包括：将电子扫描病理切片预处理得到有效判别区域，输入全卷积网络预训练，再使用全连接层代替全卷积网络头部微调网络，使全卷积网络具有提取非常规细胞特征的能力，进而确定非常规细胞位置，更加有效地对有效判别区域进行分类；通过结合多个普通分类网络的预测结果投票，输出更加稳定的分类结果。本发明的识别方法能够自动判别病理切片中每一个20×放大的视野中存在非常规细胞的概率，输出概率值在0.5以上的非常规细胞作为识别结果，大量减轻人工筛查病理切片中非常规细胞的工作量，快速准确的筛选出非常规细胞。

主权项

1.一种病理切片中非常规细胞的识别方法，包括：(1)对电子扫描病理切片进行预处理，得到该病理切片中的有效判别区域，所述的有效判别区域中非常规细胞像素区域为正样本，常规细胞像素区域为负样本；(2)对步骤(1)得到的正、负样本采用全卷积网络算法进行训练，根据模型预测结果与标签的重合度对网络的参数进行调节，得到收敛的切片分割模型；(3)在步骤(2)得到的切片分割模型基础上，将其头部分割器替换为分类器，使用含有非常规细胞的判别区域作为正例，完全不含非常规细胞的判别区域作为负例，微调网络参数使之适应分类任务，得到分割预训练分类模型；(4)将步骤(1)得到的有效判别区域中，含有非常规细胞的判别区域作为正例，完全不含有非常规细胞的判别区域作为负例，使用普通卷积神经网络分类方法中的k折交叉验证的方式训练k个普通分类模型；所述k的取值范围为5～10之间的整数；(5)将步骤(3)得到的分割预训练分类模型与步骤(4)得到的k个普通分类模型通过模型集成的方法融合，构建最终分类模型；(6)将未经过标记的新病理切片，经过步骤(1)处理得到的有效判别区域输入最终分类模型，输出概率值在0.5以上的非常规细胞作为识别结果。