[发明专利]一种识别乳腺癌细胞图像的X网络方法

说明书

本发明适用于医疗领域，提供了一种识别乳腺癌细胞图像的X网络方法，包括以下步骤：步骤一、构建数据集，采集乳腺癌图片构建数据集；步骤二、用X网络训练数据集；步骤三、将X网络模型用于预测单张或一批乳腺癌细胞图像；步骤四、用X网络模型预测WSI大滑窗图像，WSI图像中有几个高分辨率的图像。该X网络可对乳腺癌的病理图片进行分类，X网络从显微照片中收集特征，并根据组织及附近的细胞图像识别正常和癌变组织，X网络将大大提高病理图像识别的效率，并提高现有活检评估乳腺癌的准确率。

技术领域

本发明属于医疗领域，尤其涉及一种识别乳腺癌细胞图像的X网络方法。

背景技术

乳腺癌是女性最常见的癌症类型，也是癌症相关死亡的主要原因。近年来一些男性也患上这种疾病。 乳腺癌病理细胞图片的分类对于诊断和预测病情至关重要。

因此，有必要提出一种能够快速和准确对乳腺癌病理细胞图片进行分类的方法，有助于早期医学分析从而提高癌症患者的生存率。

发明内容

本发明实施例的目的在于提供一种识别乳腺癌细胞图像的X网络方法，旨在提出一种能够快速和准确对乳腺癌病理细胞图片进行分类的方法。

本发明是这样实现的，一种识别乳腺癌细胞图像的X网络方法，包括以下步骤：

步骤一、构建数据集，采集乳腺癌图片构建数据集；

步骤二、用X网络训练数据集；

步骤三、将X网络模型用于预测单张或一批乳腺癌细胞图像；

步骤四、用X网络模型预测WSI大滑窗图像，WSI图像中有几个高分辨率的图像。

进一步的技术方案，所述数据集为显微图像乳腺癌数据集 BreakHis，所述显微图像乳腺癌数据集 BreakHis具体为BreakHis在x40、x100、x200 和 x400显微镜放大倍数的乳腺癌活检图像，所述乳腺癌活检图像是一个 700x460 像素的 png 格式文件，具有 3 个RGB 通道，BreakHis被苏木精伊红染色，乳腺癌活检图像分为恶性和良性两类。

进一步的技术方案，所述用X网络训练数据集具体步骤为：

a. 分x40、x100、x200、x400和所有倍率来构建数据集，然后按相应倍率分别训练x40、x100、x200、x400和ALL共五个X网络模型；

b. 将恶性和良性乳腺癌活检图像分别以8：2的比例分配了一个训练集和一个测试集，模型训练基于80%的数据集；

c.每迭代训练一次后，用训练模型预测另20%的数据集，总迭代次数250次，选择预测准确率最高的模型。

进一步的技术方案，所述预测单张或一批乳腺癌细胞图像具体操作为：按每张乳腺癌细胞图像的倍率选择x40、x100、x200、x400和ALL其中一个对应倍率的X网络模型，然后用模型来对乳腺癌图像进行预测打分，模型根据打分值高低得出该乳腺癌图像是阳性或阴性。

进一步的技术方案，所述步骤四具体操作为：

a.用slider和opencv工具将每个高分辩图切割下来；

b.将每个高分辨率图按x40、x100、x200或x400倍率再切割成一个个矩形切片；

c.再用相应分辨率的模型来对切片预测打分，模型根据打分值高低得出切片图是阳性或阴性；

d.根据切片座标和预测的阳性或阴性结果来绘制每个WSI高分辨率图的恶性和良性分布图。