[发明专利]利用鼻息肉病理图片建立嗜酸性粒细胞占比模型的方法

摘要

本发明公开了利用鼻息肉病理图片建立嗜酸性粒细胞占比模型的方法，包括下列步骤：数据准备，将鼻息肉制作成玻片，然后通过数字病理仪扫描得到WSI图，将WSI进行切图，得到小病理图片；所有小病理图片按照设定的比例分成训练集数据和测试集数据；建立嗜酸性粒细胞占比模型，采用Inception V3模型及其在ImageNet数据集上进行训练得到模型参数，去掉此模型最后一层全连接层FC，并增加一层全连接层FC且其内只有一个神经元，不采用任何激活函数，设置损失函数采用均方误差MSE，设置学习率lr。本发明应用于慢性鼻窦炎鼻息肉病理辅助诊断系统中，通过学习训练快速准确得到病理图片上的嗜酸性粒细胞占比值。

主权项

1.一种利用鼻息肉病理图片建立嗜酸性粒细胞占比模型的方法，其特征在于包括下列步骤：/n(1)数据准备：将鼻息肉制作成玻片，然后通过数字病理仪扫描得到WSI图，将WSI进行切图，得到小病理图片，WSI是whole slide image简称，即数字化病理图像；/n(2)数据标记：每张小病理图片记做x，统计每张小病理图片的嗜酸性粒细胞个数及所有炎症细胞个数，嗜酸性粒细胞占炎症细胞的比例＝嗜酸性粒细胞个数/所有炎症细胞个数，统计的嗜酸性粒细胞数目N，非嗜酸性粒细胞数目M，每张图片对应的嗜酸性粒细胞比例S计算为：S＝N/(N+M)，取值范围0％～100％，其中没有嗜酸性粒细胞为0％，全是嗜酸性粒细胞为100％，采用平均绝对误差MAE对前述的所有小病理图片及其对应的S，按照设定的比例分成训练集数据和测试集数据；/n(3)建模算法：首先，采用深度学习keras框架下的Inception V3模型及其在ImageNet数据集上进行训练得到模型参数，该模型最后一层全连接层FC，有进行分类的神经元，并且采用softmax激活函数，去掉此模型所述的最后一层全连接层FC，并增加一层全连接层FC，该新增全连接层FC只有一个神经元，不采用任何激活函数，然后设置InceptionV3的模型的损失函数loss＝‘mse’,即采用均方误差MSE，设置学习率lr，用ImageNet数据集训练得到的开源参数对InceptionV3模型进行参数初始化，最后用步骤(2)所述训练集数据重新训练InceptionV3模型的参数，训练次数设定为n轮，每一轮均用所述测试集数据进行测试，将测试图片输入当前得到的模型进行预测得到预测值P，并将预测值P与测试数据的真实标签值S，计算平均绝对误差MAE，即每个图片的P与S的绝对值的平均值；将n轮中MAE最小时对应的模型参数进行保存，从而得到嗜酸性粒细胞占比模型，所述n为自然数，n为1时，即只训练即得到嗜酸性粒细胞占比模型，n大于1时，按照前述训练次数的要求进行训练。/n