[发明专利]一种基于深度特征聚合的乳腺癌病理图像分类方法

摘要

本发明公开了一种基于深度特征聚合的乳腺癌病理图像分类方法，属于医疗图像分类领域。该方法包括：构造乳腺癌病理图像数据集，获取原始病理图像数据和标签信息，对原始病理图像进行数据增强；借助随机梯度下降法训练深度特征提取模块，优化深度特征提取模块的参数；采用深度特征提取模块获得的深度特征来训练特征聚合模块，并计算出训练集的深度特征聚合编码；使用训练集的深度特征聚合编码训练预分类模块。在方法测试上，首先将测试集样本输入串联的深度特征提取模块、特征聚合模块和预分类模块，来获得测试集预分类标签；投票模块对测试集预分类标签进行统计，来获得预测标签。本发明提升了在乳腺癌病理图像上的分类性能。

主权项

1.一种基于深度特征聚合的乳腺癌病理图像分类方法，其特征在于，该方法包括以下步骤：步骤S1：构造包含乳腺癌病理图像数据及良恶性标签的图像数据集，对原始乳腺癌病理图像数据集进行数据增强，并划分为训练集、测试集两部分，训练集用于本发明方法的模型训练，测试集用于本发明的模型测试；步骤S2：使用训练集样本训练深度特征提取模块，包括特征前向传播和误差反向传播两个过程，并提取乳腺癌病理图像训练集样本的深度特征；步骤S3：使用乳腺癌病理图像训练集样本的深度特征来训练特征聚合模块，获得聚合特征模块的码本，并计算乳腺癌病理图像训练集的深度特征聚合编码；步骤S4：使用乳腺癌病理图像训练集的深度特征聚合编码训练预分类模块，以获得预分类标签；步骤S5：在方法模型测试上，将乳腺癌病理图像测试集样本输入串联的深度特征提取模块、特征聚合模块和预分类模块，以获得测试集样本的预分类标签；步骤S6：将乳腺癌病理图像测试集预分类标签输入投票模块，获得最终的预测标签，在乳腺癌病理图像测试集上，用图像级别分类准确率和患者级别分类准确率评判方法的整体性能。