[发明专利]基于多层感知机的肺部组织病理图像类型辅助分类方法

权利要求书

1.基于多层感知机的肺部组织病理图像类型辅助分类方法，其特征是：该方法由以下步骤实现：

步骤一：将获取肺部组织病理图像数据以及收集的公开的肺部组织病理数据并制作混合数据集，将所述混合数据集划分为训练集和测试集；

步骤二：对所述混合数据集进行数据处理，将图像大小调整到统一尺寸，对数据的背景颜色进行归一化处理，并进行数据增强处理；

步骤三：建立多层感知机模型，将步骤二处理后的混合数据集中训练集数据输入到多层感知机模型，在特征提取层中提取特征图，最终经过全局池化和全连接层获取图像的分类结果；

步骤四：采用测试集对所述步骤三中训练好的多层感知机模型的性能进行测试，完成对多层感知机模型的性能指标评估。

2.根据权利要求1所述的基于多层感知机的肺部组织病理图像类型辅助分类方法，其特征在于：步骤二中，对病理图像数据进行增强处理，包括对数据进行水平翻转、旋转、缩放、高度移动和宽度移动操作，使数据集中的数据量扩充到原来的五倍。

3.根据权利要求1所述的基于多层感知机的肺部组织病理图像类型辅助分类方法，其特征在于：步骤三中，所述多层感知机模型包括输入层、特征提取层、分类层；

将3×256×256的图像分割成若干16×16的大块，再对大块分割成4×4的小块，并将所述大块和小块进行线性映射，获得一个大块的二维列表和一个小块的二维列表，两个二维的列表作为多层感知机模型的最终输入；

将小块的二维列表通过输入层输入到特征提取层中的第一Mixer Layer层，所述第一Mixer Layer层获取小块的二维列表中小块的局部信息特征图；

对小块的二维列表线性映射成与大块二维列表相同的尺寸，然后将小块的二维列表和大块的二维列表进行融合，得到一个融合的大块二维列表；

采用特征提取层中的第二Mixer Layer层获取融合后的大块二维列表中大块间的全局信息特征图；

将所述小块的局部信息特征图和大块间的全局信息特征图经分类层后获得病理图像的分类结果。