[发明专利]一种基于分片处理的乳腺病理图像识别检测方法与系统

权利要求书

1.一种基于分片处理的乳腺病理图像识别检测方法，其特征在于，包括以下步骤：

S1：使用图像掩码的方法将病理图像分割为多个组织区域，并对所述多个组织区域分别命名；

S2：使用滑动窗口的方式在多个组织区域生成一定数量的坐标点，并以每个所述坐标点为中心将所述多个组织区域中的每个组织区域切割成所述一定数量的小幅图像；

S3：遍历所述多个组织区域中的每个组织区域切割成的小幅图像，利用卷积神经网络识别模型对这些小幅图像进行识别判断是否癌变并输出识别结果；

S4：遍历每个组织区域，基于聚类算法并参考所述识别结果对被识别为癌变的小幅图像对应的所述坐标点进行聚类，获得每个组织区域的聚类结果；

S5：综合所述每个组织区域的聚类结果在所述病理图像上绘制多边形检测框，从而标注出所述病理图像上的癌变区域。

2.根据权利要求1所述的方法，其特征在于，所述S1具体包括：

分割所述病理图像的组织区域，使用图像掩码的方法将病理图像中的N个组织区域分割出来(其中N≥3)，并分别命名为A_i，其中i∈[1，N]，所述病理图像包括乳腺病理图像。

3.根据权利要求2所述的方法，其特征在于，S2具体包括：

若i≤N-2，则在乳腺病理图像分割出的组织区域A_i中，使用滑动窗口的方式生成n_i个坐标点，并以这n_i个坐标点为中心，切割出n_i张尺寸一致的小幅图片，所述小幅图像的尺寸为256*256像素大小。

4.根据权利要求3所述的方法，其特征在于，S3具体包括：

将所述组织区域A_i切割出的小幅图像输入到卷积神经网络识别模型中进行识别，识别出小幅图像是否癌变，输出识别为癌变的小幅图像的图像编号；

与此同时在乳腺病理图像分割出的组织区域A_i+1中，使用滑动窗口的方式生成n_i+1个坐标点，并以这n_i+1个坐标点为中心，切割出n_i+1张尺寸一致的小幅图片。

5.根据权利要求4所述的方法，其特征在于，S4具体包括：

先根据所述组织区域A_i切割后且识别为癌变的小幅图像查找其所对应的坐标点，再使用聚类算法对所述其所对应的坐标点进行聚类，输出聚类结果；

与此同时将组织区域A_i+1切割出的小幅图像输入到设计的卷积神经网络识别模型中进行识别，识别出小幅图像是否癌变，输出识别为癌变的小幅图像；

同时在所述病理图像分割出的组织区域A_i+2中，使用滑动窗口的方式生成n_i+2个坐标点，并以这n_i+2个坐标点为中心，切割出n_i+2张尺寸一致的小幅图片；

使i从1开始循环执行上述步骤，每执行一遍对i值加1，直至所有组织区域全部被执行完上述步骤时输出每个组织区域的聚类结果。

6.根据权利要求1所述的方法，其特征在于，所述卷积神经网络识别模型的构建包括：

以GoogLeNet网络为基础网络。

7.根据权利要求1所述的方法，其特征在于，所述卷积神经网络识别模型中加入了空间注意力机制和通道注意力机制，并在Inception模块中增加7×7卷积操作和相应的降采样层，并且在全连接层之前添加Batch-Normalization正则化操作。

8.根据权利要求1所述的方法，其特征在于，所述卷积神经网络识别模型在训练过程中根据每次训练迭代结果对学习率等参数进行自动微调，且所述卷积神经网络识别模型的输出结果为被识别为癌变的小幅图像的图片编号。