[发明专利]一种基于机器学习的病理图像分类方法和系统

说明书

本申请涉及图像处理领域，为病理图像分类方法和系统，在该分类方法和系统中，对于有诊断结论的病理图像，通过第一机器学习模型获得第一分类结果并与诊断结论比较，若相同，则将该病理图像置入知识集，若不同，则将该病理图像通过第二机器学习模型获得第二分类结果，并与第一分类结果比较，若相同，则该病理图像置入知识集，若不同，则放弃该条记录，针对没有诊断结论的病理图像，则通过两次不同的机器学习模型获得的分类结果进行比较，判断是否进入知识集；同时，在模型训练时，将训练集均分提高模型训练精度；通过上述方案提高了分类的准确性，有利于经验较少的医生用来学习以提高自己的业务素养。

技术领域

本发明属于图像处理以及人工智能技术领域，尤其涉及一种基于机器学习的病理图像分类方法和系统。

背景技术

现如今，不均匀的医疗资源分布、有限的就医渠道，导致公共医疗设施不能达到让人们满意的程度，于是，网上在线医疗诊断平台应用越来越广泛，在线医疗诊断平台是指将计算机、通信、多媒体技术同医疗技术相结合的一项医疗服务，目的在于为患者就医提供区别于去医院就医的求医渠道选择，以满足患者需求，减少奔波时间。

随着网上医疗在线诊断平台的广泛应用，每年平台都会收到大量的医疗案例图像，尤其是病理图像，包含丰富的医疗信息和医疗知识，而，工作年限较短的医生由于接触实际案例较少，诊断的病理图像较少，经验较少，因此面对患者的病理图像往往存在业务素养、经验不足的情况，有一定概率会做出不专业的判断，从而可能会影响患者的病情和就医体验。

同时，在采用机器模型进行病理图像识别时，由于病理图像涉及隐私，各医院均很少对外提供病人的病理图像，造成在模型训练时，由于无充足的训练样本，分类模型不能充分训练，导致分类结果精度不高。

因此，现有技术急需一种针对病理图像进行准确分类处理的技术方案以供工作年限较短经验较少的医生学习以提高专业素养。

发明内容

本发明要解决的技术问题是针对上述技术方案的不足，提供一种基于机器学习的病理图像分类方法和系统，对医疗在线诊断平台接收到的就医案例的病理图像进行分类，从而建立不同类别的知识集，以供经验较少的医生学习以提高专业素养。

根据本发明的一个方面，一种基于机器学习的病理图像分类方法，包括：

步骤1：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；

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：判断所述步骤2的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分类结果和第二机器学习模型分类结果是否相同；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。

具体地，通过第一机器学习模型分类的病理图像为x射线图像、CT图像、核磁共振图像中的一种；

更进一步地，所述步骤1中，所述第一机器学习模型的分类过程具体包括以下步骤：

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；

具体地，本发明选择将需要进行训练的网络模型在具有一定相关性的开源大数据集中进行简单训练，使网络模型在开源数据集中学习到相应的先验知识，再将得到的模型转到需要处理的任务中；