[发明专利]一种基于机器学习的病理图像分类方法和系统

权利要求书

1.一种基于机器学习的病理图像分类方法，其特征在于，包括以下步骤：

步骤1：通过第一机器学习模型对在线诊断医疗平台每条就诊记录的病理图像进行分类，并得到第一分类结果；

步骤2：判断在线诊断医疗平台中每条就诊记录里的病理图像是否有诊断结论，若有，进入步骤3，若没有，进入步骤5；

步骤3：判断所述第一分类结果与所述就诊记录里的诊断结论是否相同，若相同，则进入步骤4；若不同，则进入步骤7；

步骤4：将所述就诊记录的病理图像和所述第一分类结果储存在知识集中；

步骤5：通过第二机器学习模型对没有诊断结论的病理图像进行分类，得到第二分类结果；

步骤6：判断所述没有诊断结论的病理图像的第一机器学习模型的所述第一分类结果和第二机器学习模型的所述第二分类结果是否相同；若相同，则进入步骤4；若不同，则进入步骤7；

步骤7：放弃该条就诊记录。

2.根据权利要求1所述的基于机器学习的病理图像分类方法，其特征在于，所述步骤2中，所述诊断结论为所述在线诊断医疗平台的病理图像的诊断意见，具体包括：无异常部位，存在异常部位，判断不明。

3.根据权利要求1所述的基于机器学习的病理图像分类方法，其特征在于，所述步骤1中，所述第一机器学习模型具体包括以下步骤：

步骤1.1：采用开源数据集对卷积神经网络模型进行预训练；

步骤1.2：训练集图像获取；

步骤1.3：将所述步骤1.2的训练集均分成五份，轮流选择四份数据作为训练数据，剩下的一份数据为验证数据，对所述步骤1.1的经过预训练的卷积神经网络模型进行训练；

步骤1.4：通过训练好的卷积神经网络模型对所述就诊记录中的图像进行特征提取；

步骤1.5：将所述步骤1.4获取的图像的特征输入到分类器，进行分类。

4.根据权利要求3所述的基于机器学习的病理图像分类方法，其特征在于，选取500张存在异常部位的病理图像、500张不存在异常部位的病理图像作为第一机器学习模型的训练集，所述训练集中图像的格式为PNG格式，分辨率设置为256*256。

5.根据权利要求3所述的基于机器学习的病理图像分类方法，其特征在于，所述第一分类结果为无异常部位，存在异常部位，判断不明三类中的一类。

6.根据权利要求1所述的基于机器学习的病理图像分类方法，其特征在于，所述步骤4中，所述知识集包含三类知识子集，分别为有异常部位知识子集，无异常部位知识子集和无法判断知识子集。

7.根据权利要求1所述的基于机器学习的病理图像分类方法，其特征在于，所述步骤5具体包括：

步骤5.1：训练集图像获取：

步骤5.2：构建深度学习卷积神经网络分类模型作为第二机器学习模型；

所述深度学习卷积神经网络分类模型包括三种主体层：卷积层、池化层和完全连接层，所述深度学习卷积神经网络分类模型采用9层的深度学习卷积神经网络模型，前8层执行特征提取，后1层对提取的特征进行分类，其中，包括4个卷积层，3个池化层，1个dropout层和一个全连接层；所述卷积层的卷积核大小均为3*3；

步骤5.3：通过所述步骤5.2训练得到的第二机器学习模型对所述病理图像进行分类，得到所述第二分类结果。

8.根据权利要求7所述的基于机器学习的病理图像分类方法，其特征在于，所述第二分类结果为无异常部位，存在异常部位，判断不明三类中的一类。

9.根据权利要求7所述的基于机器学习的病理图像分类方法，其特征在于，通过样本增强的方法对训练集图像进行处理，所述样本增强的方法包括随机噪声的接入、对比度变化、保护度变化、亮度变化。

10.一种病理图像分类系统，其特征在于：采用如权利要求1-9任一项所述的基于机器学习的病理图像分类方法，还包括以下模块：

第一分类模块，用于通过第一机器学习模型对每条就诊记录的病理图像进行分类，并得到第一分类结果；

诊断结论判断模块，所述诊断结论判断模块与第一分类模块连接，用于判断在线诊断医疗平台中每条就诊记录里的病理图像是否有诊断结论，若有，则将所述病理图像和所述诊断结论以及所述第一分类结果传送至第一判断模块，若无，则将所述病理图像和所述第一分类结果传送至第二分类模块；

第一判断模块，所述第一判断模块与所述诊断结论判断模块连接，用于判断所述第一分类结果与所述就诊记录里的诊断结论是否相同，若相同，则将所述病理图像和所述诊断结论传送至知识集建立模块，若不同，则放弃该条就诊记录；

第二分类模块，所述第二分类模块与所述诊断结论判断模块连接，用于通过第二机器学习模型对没有诊断结论的病理图像进行分类，得到分类结果；

第二判断模块，所述第二判断模块与所述第二分类模块连接，用于判断所述第一分类结果和所述第二分类结果是否相同，若相同，则将所述病理图像和所述诊断结论传送至知识集建立模块，若不同，则放弃该条就诊记录；

知识集建立模块，所述知识集建立模块与所述第一分类模块连接，且与第二分类模块连接，用于接收第一判断模块和第二判断模块中结论相同的病理图像。