[发明专利]病理图像的识别方法及系统有效

专利信息
申请号: 201710934902.6 申请日: 2017-10-10
公开(公告)号: CN107665491B 公开(公告)日: 2021-04-09
发明(设计)人: 王书浩;徐葳 申请(专利权)人: 清华大学
主分类号: G06T7/00 分类号: G06T7/00;G16H30/20;G16H50/20
代理公司: 上海巅石知识产权代理事务所(普通合伙) 31309 代理人: 高磊;王再朝
地址: 10008*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 病理 图像 识别 方法 系统
【说明书】:

本申请提供一种病理图像的识别系统及方法。其中所述识别系统包括:图像接收装置,用于接收待识别的病理图像;特征提取装置,用于利用卷积神经网络中设置的多级特征处理单元对所述病理图像进行特征提取;识别装置,用于对至少两级特征处理单元所输出的特征图像进行融合处理,并基于融合后图像中的病理特征识别所述病理图像中的病理信息。本申请既能有效保留低维度和高维度的病理特征,以准确识别病变特征,又能准确地将病变特征对应到病理图像的像素位置,以提高辅助诊断的准确性。

技术领域

本申请涉及计算机处理技术领域,特别是涉及一种病理图像的识别方法及系统。

背景技术

病理图像是对患者病变部位的组织进行切片,在显微镜下进行放大成像得到的图像。病理图像能够揭示疾病的原因及严重程度,是临床诊断的重要手段。随着病人数量的增加,加之专业病理学医师数量的匮乏,计算机辅助病理图像识别成为了一个重要的发展方向。

已知的计算机辅助检测技术是利用病理特征对病理图像进行识别。例如,利用卷积将病理特征矩阵对病理图像进行过滤,再利用分类算法对过滤后的病理特征图像进行具有病变信息或不具有病变信息进行分类以得到病理图像的识别结果。然而,已知的检测技术或者因为特征提取不足而无法得到足够多的病理特征,或者因为过度过滤而无法准确还原病理位置。如此计算机辅助检测技术无法在临床中有效推广。

发明内容

鉴于以上所述现有技术的缺点,本申请的目的在于提供一种病理图像的识别系统及方法,用于解决计算机辅助检测病理图像准确度低的问题。

为实现上述目的及其他相关目的,本申请的第一方面提供一种病理图像的识别系统,包括:图像接收装置,用于接收待识别的病理图像;特征提取装置,用于利用卷积神经网络中设置的多级特征处理单元对所述病理图像进行特征提取;识别装置,用于对至少两级特征处理单元所输出的特征图像进行融合处理,并基于融合后图像中的病理特征识别所述病理图像中的病理信息。

在本申请的第一方面的某些实施方式中,所述特征处理单元包括至少一组由第一过滤器、归一化模块和激活模块组成的第一结构;其中,所述第一过滤器按照预设步长对所接收的图像进行病理特征提取。

在本申请的第一方面的某些实施方式中,所述第一过滤器采用空洞卷积对所接收的图像进行病理特征提取。

在本申请的第一方面的某些实施方式中,包含所述第一结构的特征处理单元位于所述卷积神经网络的末端。

在本申请的第一方面的某些实施方式中,所述特征处理单元中包括至少一组由第二过滤器、归一化模块、第一合并模块和激活模块组成的第二结构。

在本申请的第一方面的某些实施方式中,所述第一合并模块合并所接收的至少两个所述归一化模块输出的特征图像;或者所述第一合并模块合并所述归一化模块输出的特征图像和前一级特征处理单元所输出的特征图像。

在本申请的第一方面的某些实施方式中,所述特征提取装置还包括位于两级特征处理单元之间的下采样单元,用于将所接收的特征图像进行下采样处理。

在本申请的第一方面的某些实施方式中,所述识别装置包括:与各所述特征单元单独连接的第三过滤器;每个第三过滤器对所接收的特征图像进行分类处理;上采样模块,与所述过滤器单独连接,用于将相应过滤器所输出的图像恢复至所述病理图像的尺寸;第二合并模块,与每个所述上采样模块相连,用于合并各恢复后的特征图像。

在本申请的第一方面的某些实施方式中,所述识别装置包括:识别模块,用于基于合并后的特征图像中各像素点所对应的病理特征评价所述病理图像中的病理信息。

本申请的第二方面提供一种肿瘤病理图像的识别系统,包括:图像存储装置,用于存储待识别的肿瘤病理图像;如上任一所述的识别系统,用于对所述肿瘤病理图像中的病理信息进行识别;显示装置,用于将所识别的包含病理信息的肿瘤病理图像予以显示。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710934902.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top