[发明专利]癌症识别方法、装置及存储介质

权利要求书

1.一种癌症识别方法，其特征在于，所述方法包括：

接收步骤：接收待癌症识别的病理切片图片；

确定步骤：根据待识别的癌症类型与预设类型模型的映射关系，确定该病理切片图片对应的预设类型模型；

识别步骤：利用确定的预设类型模型对该病理切片图片进行识别，生成识别结果；

所述预设类型模型为卷积神经网络模型，该卷积神经网络模型主网络结构包括由一个Flatten层和多个采用ReLU激活函数的全连层组成的第一特征网络，及由一个均值方差池化层和多个采用ReLU激活函数的全连层组成的第二特征网络的子网络结构，病理切片样本图片分别经过所述第一特征网络、第二特征网络提取特征并进行特征拼接后，再输入主网络结构中参与训练。

2.根据权利要求1所述的癌症识别方法，其特征在于，所述预设类型模型包括以下训练步骤：

A1、获取第一预设数量、预设格式的某种癌症的病理切片样本图片；

A2、在每个病理切片样本图片上标注癌变标记点，癌变标记点形成癌变形状曲线，并标注病理切片样本图片对应的癌症和癌变阶段；

A3、根据各个病理切片样本图片上的癌变形状曲线，按照预设的癌变区域确定规则分别识别出各个病理切片样本图片对应的一个或多个癌变区域图块；

A4、将所有病理切片样本图片对应的癌变区域图块分为第一预设比例的训练集和第二预设比例的验证集；

A5、利用训练集中的癌变区域图块进行模型训练，生成所述预设类型模型，并利用验证集中的癌变区域图块对生成的所述预设类型模型进行验证；

A6、若验证通过率大于或等于预设阈值，则训练完成，若验证通过率小于预设阈值，则增加第二预设数量的样本图片，流程返回步骤A3。

3.根据权利要求2所述的癌症识别方法，其特征在于，所述预设的癌变区域确定规则包括：

针对一个病理切片样本图片，逐一选择该病理切片样本图片上癌变形状曲线；

选择一个癌变形状曲线后，确定该癌变形状曲线上所有癌变标记点的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标，将确定的最大横坐标作为一个矩形框的第一条边的横坐标，将确定的最小横坐标作为该矩形框的第二条边的横坐标，将确定的最大纵坐标作为该矩形框的第三条边的纵坐标，将确定的最小纵坐标作为该矩形框的第四条边的纵坐标，该矩形框的位置由所述第一条边、第二条边、第三条边及第四条边相交的四个顶点确定，该矩形框围成的图片区域即为癌变区域图块。

4.根据权利要求1所述的癌症识别方法，其特征在于，该方法还包括：

若生成的识别结果确定为癌症，则判断该癌症的癌变阶段，并输出与该癌变阶段相对应的预设格式的提示信息。

5.一种电子装置，其特征在于，所述装置包括：存储器、处理器，所述存储器上存储有癌症识别程序，所述癌症识别程序被所述处理器执行，可实现如下步骤：

接收步骤：接收待癌症识别的病理切片图片；

确定步骤：根据待识别的癌症类型与预设类型模型的映射关系，确定该病理切片图片对应的预设类型模型；

识别步骤：利用确定的预设类型模型对该病理切片图片进行识别，生成识别结果；

所述预设类型模型为卷积神经网络模型，该卷积神经网络模型主网络结构包括由一个Flatten层和多个采用ReLU激活函数的全连层组成的第一特征网络，及由一个均值方差池化层和多个采用ReLU激活函数的全连层组成的第二特征网络的子网络结构，病理切片样本图片分别经过所述第一特征网络、第二特征网络提取特征并进行特征拼接后，再输入主网络结构中参与训练。