[发明专利]一种弱监督学习的病理全片图像类别推断方法及其系统有效
| 申请号： | 201910853703.1 | 申请日： | 2019-09-10 |
| 公开（公告）号： | CN110751172B | 公开（公告）日： | 2023-05-19 |
| 发明（设计）人： | 喻罡;王宽松;肖红梅;徐超;孟祥鹤;邓红文 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/26;G06V10/774;G06V10/82;G06N3/0895 |
| 代理公司： | 长沙朕扬知识产权代理事务所(普通合伙) 43213 | 代理人： | 何湘玲 |
| 地址： | 410083 *** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种弱监督学习的病理全片图像类别推断方法及其系统，通过将病理全片图像切割成包含不重叠图像块的二维网格图，并在所述二维网格图上使用每个图像块的类别概率向量，构建三维地形轮廓图，再获取所述三维地形轮廓图中的最显著特征峰，根据所述最显著特征峰和\或所述最显著特征峰的特征指标，计算出与所述三维地形轮廓图对应的病理全片图像的类别概率值，并将所述病理全片图像的类别概率值与预设的分类阈值进行对比来判断所述病理全片图像上包含所述三维地形轮廓图的类别，相比起现有技术而言，能依据临床规则，能有效避免假阳性错误，准确的判断出所述病理全片图像的类别。 | ||
| 搜索关键词： | 一种 监督 学习 病理 全片 图像 类别 推断 方法 及其 系统 | ||
【主权项】：
1.一种弱监督学习的病理全片图像类别推断方法，其特征在于，包括以下步骤：/n将病理全片图像切割成包含不重叠图像块的二维网格图；/n获取所述二维网格图上的每个图像块的类别概率向量，所述类别概率向量包含待分辨的病理全片图像的类别在所述图像块上所对应的类别概率值；/n使用所述二维网格图和所述类别概率向量中的类别概率构建三维地形轮廓图，所述三维地形轮廓图以所述二维网格为底面，以所述图像块的类别概率向量中的一种类别概率值为地形高度，所述三维地形轮廓图的种类与所述类别概率向量中的类别相对应；/n对于每种类别的三维地形轮廓图：/n获取所述三维地形轮廓图中的最显著特征峰，根据所述最显著特征峰和\或所述最显著特征峰的特征指标，计算出与所述三维地形轮廓图对应的病理全片图像的类别概率值，并将所述病理全片图像的类别概率值与预设的分类阈值进行对比，若所述病理全片图像的类别概率值大于或等于所述预设的分类阈值，则判断所述病理全片图像包含所述三维地形轮廓图所对应的类别，若所述病理全片图像的类别概率值小于所述预设的分类阈值，则判断所述病理全片图像不包含所述三维地形轮廓图所对应的类别。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中南大学，未经中南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910853703.1/，转载请声明来源钻瓜专利网。
