[发明专利]癌症识别方法、装置及存储介质

说明书

本发明公开了一种癌症识别方法、装置及存储介质，该方法包括：接收待癌症识别的病理切片图片；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；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。本发明通过对病理切片图片中癌变区域图块的识别，判断该图片对应的患者是否有癌症，提高癌症检测的效率。

技术领域

本发明涉及图片识别技术领域，尤其涉及一种癌症识别方法、装置及计算机可读存储介质。

背景技术

癌症是当今医学上难以治愈的几种疾病之一。根据数据统计，中国每年新发病例约为220万，因癌症死亡的人数约为160万。癌症的临床表现因其所在的部位和癌变阶段的不同而不同，癌症早期多无明显症状，当癌症患者出现特异性症状时，癌症往往已经属于晚期了。因此，如何准确且迅速的发现身体部位癌变，已经成为医疗界最重要的课题之一。

目前，常用的癌症识别方法是通过人工对病理切片进行检测。一般而言，患者只有怀疑患有癌症的情况下，才会花费金钱和时间做病理切片的人工病理检测，而且，人工病理检测通常需要花费数天时间，这在一定程度上大幅提高了癌症的不可治愈性，严重危及了患者的生命。

发明内容

鉴于以上内容，本发明提供一种癌症识别方法、装置及计算机可读存储介质，其主要目的在于利用大数据与人工智能检测技术对病理切片图片进行快速检测，提高癌症识别效率。

为实现上述目的，本发明提供一种癌症识别方法，该方法包括：

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。

优选地，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。

优选地，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。

优选地，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第一特征网络、第二特征网络的子网络结构，所述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。