[发明专利]一种癌症病理图像自动检测方法及系统

权利要求书

1.一种癌症病理图像自动检测方法，其特征在于，包括：

读取待检测癌症的全切片图像集；

采用预设提取算法提取所述全切片图像集的前景图像集；

将所述前景图像集做分块处理，获得分块图像集，并提取所述分块图像集中有标注数据集的类别标注；

将所述分块图像集和所述类别标注输入至EM模型半监督学习框架中进行模型训练，得到有标注数据集分布概率和未标注数据集分布概率；

根据概率图标准化算法计算所述有标注数据集分布概率和所述未标注数据集分布概率，得到癌症概率分布图；

基于所述癌症概率分布图处理所述全切片图像集，得到标准化自动检测结果。

2.根据权利要求1所述的癌症病理图像自动检测方法，其特征在于，所述采用预设提取算法提取所述全切片图像集的前景图像集，具体包括：

构建无向图，令所述无向图中每一个节点对应所述全切片图像集中的一个像素点，提取每一个节点对应相邻像素间的连接得到边集合；

获取所述边集合中的边权重，采用Kruskal算法计算所述边权重生成最小生成树；

删除所述最小生成树中权重大于预设权重阈值的边，得到多个子树，计算所述多个子树的RGB平均值，获得RGB平均值最大值；

将所述RGB平均值大于预设RGB阈值的子树划分为背景图像，剩余的子树作为所述前景图像集。

3.根据权利要求1所述的癌症病理图像自动检测方法，其特征在于，所述将所述前景图像集做分块处理，获得分块图像集，并提取所述分块图像集中有标注数据集的类别标注，具体包括：

按照预设重叠率将所述全切片图像集分成具有预设尺寸的多个小分块；

将前景区域面积超过第一预设比例的小分块判定为背景区域并舍弃，对剩下的小分块进行轮廓标注，将占据所述小分块面积最大的癌症分类标注作为所述类别标注。

4.根据权利要求3所述的癌症病理图像自动检测方法，其特征在于，所述将前景区域面积超过预设比例的小分块判定为背景区域并舍弃，对剩下的小分块进行轮廓标注，将占据所述小分块面积最大的癌症分类标注作为所述类别标注，还包括：

若判断获知正常区域面积大于占据所述小分块的面积的比例超过第二预设比例，则将所述小分块标注为正常区域；

若判断获知所述小分块仅包含正常区域和癌症类型之一的区域，且所述癌症类型之一的区域占据所述小分块的面积的比例超过第三预设比例，则将所述小分块标注为所述癌症类型之一的区域；

若判断获知所述小分块包含至少两种癌症类型的区域，且每种癌症类型的区域均占据所述小分块的面积的比例超过所述第三预设比例，则将所述小分块划分为噪声区域并舍弃。

5.根据权利要求1所述的癌症病理图像自动检测方法，其特征在于，所述将所述分块图像集和所述类别标注输入至EM模型半监督学习框架中进行模型训练，得到有标注数据集分布概率和未标注数据集分布概率，具体包括：

提取所述分块图像集中的所述有标注数据集，获取所述有标注数据集对应的所述类别标注，基于所述有标注数据集和所述类别标注训练CNN模型得到模型初始化参数；

提取所述分块图像集中的所述未标注数据集，基于初始化后的CNN模型估计所述未标注数据集的概率模型图，将所述概率模型图映射至预设区间得到对应的映射数值，再将所述映射数值赋值到对应像素点上获得热力图，基于预设阈值向量将所述热力图映射到分类图，基于所述分类图和协同过滤算法估计所述未标注数据集的标注，由所述未标注数据集的标注构建未标注训练数据集；

基于所述未标注训练数据集和所述有标注数据集，对所述CNN模型进行再训练，优化公式极大似然函数，更新模型参数。