[发明专利]一种甲状腺肿瘤细胞学涂片图像分类方法及其装置

权利要求书

1.一种甲状腺肿瘤细胞学涂片图像分类方法，其特征在于，包括：

获取若干一定尺寸的经良恶性标注的甲状腺肿瘤细胞学涂片图像；

用获取的图像组成训练集，并对训练集进行数据扩增；

生成初步卷积神经网络；

用扩增后的训练集训练初步卷积神经网络，优化其参数，使其可判断甲状腺肿瘤细胞学涂片图像中细胞的良恶性，从而形成成熟卷积神经网络；

获取待分类的甲状腺肿瘤细胞学涂片图像，用成熟卷积神经网络对该图像中的细胞进行良恶性判断：图像中所有细胞均判断为良性则输出良性结果，图像中有至少一个细胞为恶性则输出恶性结果；

所述生成初步卷积神经网络中，所述初步卷积神经网络由强化学习方法寻找最适合甲状腺肿瘤细胞学涂片图像分类的现有卷积神经网络作为基础，采用循环神经网络作为强化学习网络预测器，搜索并生成各种卷积神经网络，对其进行初步训练并设定一个准确率阈值，将准确率高于阈值的卷积神经网络作为初步卷积神经网络；循环神经网络每次迭代都会给卷积神经网络添加一层，包括卷积层、池化层和全连接层，或者结束卷积神经网络的生成过程；对于卷积层，循环神经网络预测其通道数量和内核大小；对于池化层，循环神经网络预测其内核大小；对于全连接层，循环神经网络预测其通道数量；

所述用扩增后的训练集训练初步卷积神经网络，优化其参数，使其可判断甲状腺肿瘤细胞学涂片图像中细胞的良恶性，从而形成成熟卷积神经网络中，采用带mini-batch的随机梯度下降法对初步卷积神经网络进行训练。

2.如权利要求1所述的甲状腺肿瘤细胞学涂片图像分类方法，其特征在于，所述获取若干一定尺寸的经良恶性标注的甲状腺肿瘤细胞学涂片图像中，所述一定尺寸的经良恶性标注的甲状腺肿瘤细胞学涂片图像是按下述方法获得的：从甲状腺肿瘤细胞学涂片的显微照片中有辨别力的区域中截取若干一定尺寸的图像，并由人工进行良恶性标注。

3.如权利要求1所述的甲状腺肿瘤细胞学涂片图像分类方法，其特征在于，所述甲状腺肿瘤细胞学涂片为甲状腺肿瘤穿刺细胞学涂片。

4.如权利要求1所述的甲状腺肿瘤细胞学涂片图像分类方法，其特征在于，所述用获取的图像组成训练集，并对训练集进行数据扩增中，所述数据扩增的方法为：采用对图像进行水平翻转和/或旋转的方式进行数据扩增。

5.如权利要求1所述的甲状腺肿瘤细胞学涂片图像分类方法，其特征在于，所述生成初步卷积神经网络中，所述初步卷积神经网络在VGG-16或Inception V3基础上生成。

6.如权利要求1所述的甲状腺肿瘤细胞学涂片图像分类方法，其特征在于，所述获取待分类的甲状腺肿瘤细胞学涂片图像，用成熟卷积神经网络对该图像中的细胞进行良恶性判断：图像中所有细胞均判断为良性则输出良性结果，图像中有至少一个细胞为恶性则输出恶性结果中，所述待分类的甲状腺肿瘤细胞学涂片图像的由滑动窗口法从甲状腺肿瘤细胞学涂片的显微照片中自动截取。