[发明专利]病理图片的识别方法及装置

权利要求书

1.一种病理图片的识别装置，其特征在于，包括：

样本获得模块，用于获得样本数据，所述样本数据包括正样本和负样本，所述正样本为恶性病变病理图片，所述负样本为正常或良性病变病理图片，所述恶性病变病理图片上标记出病变区域，在恶性病变病理图片上标记的病变区域切割出不同尺寸的图片；在正常或良性病变病理图片上随机切割出不同尺寸的图片；

样本划分模块，用于将所述样本数据划分为训练集和测试集；

模型训练模块，用于利用所述训练集对深度神经网络模型进行训练，进一步用于：将不同尺寸的图片分别输入深度神经网络模型进行训练；

模型测试模块，用于利用所述测试集对训练好的深度神经网络模型进行测试，进一步用于：将测试图片的识别结果与测试图片上的病变区域标记进行比对，输出测试结果；

模型调整模块，用于根据测试结果对训练好的深度神经网络模型进行参数调整，进一步用于：在测试结果不正确时，将测试图片映射回原始病理图片，在测试图片周围切割出多个相同尺寸的图片，将切割出的图片输入深度神经网络模型进行迭代训练；

图片识别模块，用于利用训练好的深度神经网络模型对病理图片进行识别。

2.如权利要求1所述的装置，其特征在于，进一步包括：

预处理模块，用于在正常或良性病变病理图片上随机切割出不同尺寸的图片之后，舍弃其中细胞含量小于50%的图片。

3.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如下方法：

获得样本数据，所述样本数据包括正样本和负样本，所述正样本为恶性病变病理图片，所述负样本为正常或良性病变病理图片，所述恶性病变病理图片上标记出病变区域，在恶性病变病理图片上标记的病变区域切割出不同尺寸的图片，在正常或良性病变病理图片上随机切割出不同尺寸的图片；

将所述样本数据划分为训练集和测试集；

利用所述训练集对深度神经网络模型进行训练，包括：

将不同尺寸的图片分别输入深度神经网络模型进行训练；

利用所述测试集对训练好的深度神经网络模型进行测试，包括：

将测试图片的识别结果与测试图片上的病变区域标记进行比对，输出测试结果；

根据测试结果对训练好的深度神经网络模型进行参数调整，包括：

在测试结果不正确时，将测试图片映射回原始病理图片，在测试图片周围切割出多个相同尺寸的图片，将切割出的图片输入深度神经网络模型进行迭代训练；

利用训练好的深度神经网络模型对病理图片进行识别。

4.如权利要求3所述的计算机设备，其特征在于，在正常或良性病变病理图片上随机切割出不同尺寸的图片之后，更包括：

舍弃图片中细胞含量小于50%的图片。

5. 如权利要求3所述的计算机设备，其特征在于，所述深度神经网络模型为Inceptionv3模型。

6.如权利要求3至5任一项所述的计算机设备，其特征在于，利用所述训练集对深度神经网络模型进行训练，包括：将深度神经网络模型的训练部署在多个图形处理器上进行分布式训练。