[发明专利]病理图像处理的方法、装置、电子设备及可读存储介质

说明书

本申请涉及一种病理图像处理的方法、装置、电子设备及可读存储介质，包括：对待处理的病理图像进行目标检测，得到目标检测结果，然后将目标检测结果通过细粒度分类模型进行甲状腺结节成分识别处理，得到甲状腺结节信息所对应的结节成分所属类别的第一概率信息，然后基于甲状腺结节信息所对应的结节成分所属类别的第一概率信息，以及甲状腺结节信息中包含的各个像素分别对应的像素信息，确定甲状腺结节信息所对应的结节成分所属类别的第二概率信息，然后根据甲状腺结节信息所对应的结节成分所属类别的第二概率信息，确定甲状腺结节信息中所对应的甲状腺结节成分所属类别。本申请可以得到甲状腺结节的更为精细的特征，以辅助医生进行准确的诊断。

技术领域

本申请涉及图像处理技术领域，尤其是涉及一种病理图像处理的方法、装置、电子设备及可读存储介质。

背景技术

深度学习技术近年来发展迅速，其在医疗影像领域的检测识别方面也表现出巨大的应用潜力，例如，可以对包含甲状腺结节的病理影像进行良性和恶性的区分，或者对包含甲状腺结节的病理影像进行甲状腺影像报告与数据（Thyroid imaging reporting anddata，Tirad）级别区分。

在相关技术中，存在一些方式可以对包含甲状腺结节的病理影像进行良性和恶性的区别，或者对包含甲状腺结节的病理影像进行Tirad区别，例如，可以通过深度学习的方式对包含甲状腺结节的病理影像进行良性和恶性的区分，或者，通过深度学习的方式对包含甲状腺结节的病理影像进行Tirad级别区分。

但是，在相关技术中仅是通过深度学习的方式对包含甲状腺结节的病理影像进行良性和恶性的区分，或者进行Tirad级别区分，需要依赖提取的特征的精确度以及模型训练的准确度，并且在相关技术中通过深度学习的方式对包含甲状腺结节的病理影像的区分仅是比较粗粒度的区分，因此，从何基于包含甲状腺结节的病理影像得到更为精细的特征，以辅助医生进行准确诊断成为一个重要问题。

发明内容

本申请目的是提供一种病理图像处理的方法、装置、电子设备及可读存储介质，用于解决以上至少一项技术问题。

本申请的上述申请目的一是通过以下技术方案得以实现的：

第一方面，提供了一种病理图像处理的方法，包括：

对待处理的病理图像进行目标检测，得到目标检测结果，目标检测结果中包含甲状腺结节信息；

将目标检测结果通过细粒度分类模型进行甲状腺结节成分识别处理，得到甲状腺结节信息所对应的结节成分所属类别的第一概率信息；

基于甲状腺结节信息所对应的结节成分所属类别的第一概率信息，以及甲状腺结节信息中包含的各个像素分别对应的像素信息，确定甲状腺结节信息所对应的结节成分所属类别的第二概率信息；

根据甲状腺结节信息所对应的结节成分所属类别的第二概率信息，确定甲状腺结节信息中所对应的甲状腺结节成分所属类别。

在一种可能的实现方式，对待处理的病理图像进行目标检测，得到目标检测结果，包括：

通过掩膜递归卷积神经网络Mask-RCNN模型对待处理的病理图像进行目标检测，得到所目标检测结果。

在另一种可能的实现方式中，将目标检测结果通过细粒度分类模型进行甲状腺结节成分识别处理，得到甲状腺结节信息所对应的结节成分所属类别的第一概率信息，包括：

将目标检测结果通过递归注意力卷积神经网络RA-CNN模型进行甲状腺结节成分识别处理，得到甲状腺结节信息所对应的结节成分所属类别的第一概率信息。

在另一种可能的实现方式中，基于甲状腺结节信息所对应的结节成分所属类别的第一概率信息，以及甲状腺结节信息中包含的各个像素分别对应的像素信息，确定甲状腺结节信息所对应的结节成分所属类别的第二概率信息，包括：