[发明专利]一种病理图像的分类方法、分类系统及可读介质

权利要求书

1.一种病理图像的分类方法，其特征在于，包括：

获取病理图像；

由处理器，将所述病理图像输入学习网络，其中所述学习网络包括相互关联的分类模型和分割模型；

由所述处理器，基于所述病理图像，利用所述分类模型确定所述病理图像中目标细胞的第一分类结果；

由所述处理器，基于所述分类模型对所述病理图像在编码阶段所提取的特征信息，利用所述分割模型进行解码以确定所述目标细胞的期望指标，并基于所述期望指标利用所述分割模型来确定所述目标细胞的第二分类结果；

所述期望指标包括核质比；

所述分割模型，还被配置为：

基于所述分类模型对所述病理图像在编码阶段的高层语义特征来分割出所述病理图像中目标细胞的细胞质和细胞核；

基于所述细胞质和细胞核确定所述目标细胞的核质比；

基于所述核质比来确定所述目标细胞的第二分类结果；

由所述处理器，在所述第一分类结果和所述第二分类结果为相同的类别的情况下，确定所述目标细胞的分类结果为该类别。

2.如权利要求1所述的病理图像的分类方法，其特征在于，还包括：向用户呈现所述病理图像的分类结果和所述核质比。

3.如权利要求1所述的病理图像的分类方法，其特征在于，还包括：在训练所述学习网络的过程中，基于所述分类模型的损失函数和所述分割模型的损失函数两者来调整所述学习网络的参数。

4. 如权利要求3所述的分类方法，其特征在于，基于所述分类模型的损失函数和所述分割模型的损失函数两者来调整所述学习网络的参数包括：

基于所述分类模型的损失函数和所述分割模型的损失函数两者来调整所述分类模型的编码部的参数；以及

基于所述分割模型的损失函数来调整所述分割模型的解码部的参数。

5.如权利要求1所述的分类方法，其特征在于，所述分类模型的编码部的至少部分复用为所述分割模型的编码部。

6.如权利要求5所述的分类方法，其特征在于，所述分割模型包括UNet。

7.如权利要求1或6所述的病理图像的分类方法，其特征在于，所述分类模型包括Resnet。

8.如权利要求1所述的病理图像的分类方法，其特征在于，所述病理图像包括宫颈液基细胞的病理图像。

9.一种病理图像的分类系统，其特征在于，包括：

接口，其配置为获取病理图像；

处理器，其配置为基于所获取的病理图像，利用根据权利要求1-8中任何一项所述的病理图像的分类方法来确定分类结果。

10.一种其上存储有指令的非暂时性计算机可读介质，其特征在于，其中所述指令在由处理器执行时执行根据权利要求1-8中任何一项所述的病理图像的分类方法来确定分类结果。