[发明专利]全视野病理切片图像分类方法、装置、设备及存储介质

权利要求书

1.一种全视野病理切片图像分类方法，其特征在于，包括：

获取待分类全视野病理切片图像；

将所述待分类全视野病理切片图像输入预先构建的全视野病理切片图像特征向量提取模型，输出全视野病理切片图像特征向量；

将所述全视野病理切片图像特征向量输入预先构建的全视野病理切片图像分类模型，输出全视野病理切片图像分类结果。

2.根据权利要求1所述的一种全视野病理切片图像分类方法，其特征在于，所述全视野病理切片图像特征向量提取模型的构建方法为：

获取全视野病理切片图像以及全视野病理切片图像标签类别，对所述全视野病理切片图像进行预处理；

将预处理后的全视野病理切片图像以及全视野病理切片图像标签类别分为训练集和验证集；

利用训练集训练多尺度卷积神经网络，得到所述全视野病理切片图像特征向量提取模型，所述全视野病理切片图像特征向量提取模型输出全视野病理切片图像特征向量。

3.根据权利要求2所述的一种全视野病理切片图像分类方法，其特征在于，所述对所述全视野病理切片图像进行预处理，具体包括：

将全视野病理切片图像切割成若干小图像；

对每个所述小图像进行灰度化处理；

计算灰度化处理后的小图像中无效像素占比；

选取小图像中无效像素占比小于预设阈值的小图像作为输入数据。

4.根据权利要求2所述的一种全视野病理切片图像分类方法，其特征在于，所述全视野病理切片图像特征向量提取模型的构建方法还包括：

将验证集输入训练好的所述全视野病理切片图像特征向量提取模型，输出验证集对应的全视野病理切片图像特征向量；

将验证集对应的全视野病理切片图像特征向量与期望输出的全视野病理切片图像特征向量进行比对，若比对后的正确率小于第一预设正确率，则用训练集继续训练多尺度卷积神经网络，直到比对后的正确率不小于第一预设正确率。

5.根据权利要求2所述的一种全视野病理切片图像分类方法，其特征在于，所述全视野病理切片图像分类模型的构建方法为：

利用全视野病理切片图像标签类别和全视野病理切片图像特征向量提取模型输出的全视野病理切片图像特征向量作为输入数据，并采用周围空间区域感知选择策略和空间区域特征融合策略训练卷积神经网络，得到空间区域特征向量；

将空间区域特征向量输入SVM分类器，输出全视野病理切片图像的预测结果标签；

将预测结果标签与真实标签进行比对，若比对后的正确率小于第二预设正确率，则用全视野病理切片图像标签类别和全视野病理切片图像特征向量提取模型输出的全视野病理切片图像特征向量继续训练卷积神经网络，直到比对后的正确率不小于第二预设正确率，得到全视野病理切片图像分类模型。

6.根据权利要求2所述的一种全视野病理切片图像分类方法，其特征在于，所述多尺度卷积神经网络包含卷积层47层，平均池化层11层，最大池化层4层，特征连接层15层；卷积层用于提取全视野病理切片图像特征，平均池化层与最大池化层用于扩大卷积核感受野，特征连接层用于进行全视野病理切片图像特征向量拼接。

7.一种全视野病理切片图像分类装置，其特征在于，包括：

获取模块，用于获取待分类全视野病理切片图像；

全视野病理切片图像特征向量输出模块，用于将所述待分类全视野病理切片图像输入预先构建的全视野病理切片图像特征向量提取模型，输出全视野病理切片图像特征向量；

全视野病理切片图像分类结果输出模块，用于将所述全视野病理切片图像特征向量输入预先构建的全视野病理切片图像分类模型，输出全视野病理切片图像分类结果。

8.一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述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权利要求1至6任一项所述一种全视野病理切片图像分类方法的步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项的一种全视野病理切片图像分类方法的步骤。