申请/专利权人:西南石油大学
申请日:2023-09-04
公开(公告)日:2023-12-01
公开(公告)号:CN117152520A
主分类号:G06V10/764
分类号:G06V10/764;G06T7/00;G06V10/774;G06V10/42;G06V10/80
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.19#实质审查的生效;2023.12.01#公开
摘要:本发明公开了一种基于DenseNet和条件随机场的乳腺病理图像分类方法,包括以下步骤:首先从数字病理扫描仪中获取乳腺病理全切片图像,根据医生的经验在数据上标记病灶区域;采用阈值分割算法和形态学算法去除不含乳腺组织的区域;利用全切片病理图像和人工标注的病灶区域标签,生成乳腺癌病理图像块,制作训练集和验证集;随后构建多尺度特征提取模块和条件随机场分类模块,建立基于DenseNet和条件随机场为基础架构的多尺度图像分类模型;利用不同尺度的图像训练网络模型,通过条件随机场得到概率分布,预测分类结果;最后测试未标注的乳腺病理全切片图像,生成乳腺癌病灶位置,实现乳腺癌区域的自动检测。
主权项:1.一种基于DenseNet和条件随机场的多尺度乳腺病理图像分类方法,其特征在于,包括如下步骤:S1,获取乳腺组织原始图片,根据医生的经验在数据上标记病灶区域;S2,采用阈值分割算法和形态学算法去除不含乳腺组织的区域,利用全切片病理图像和人工标注的病灶区域标签,生成乳腺癌病理图像块,制作训练集和验证集;S3,构建以DenseNet和条件随机场为基础架构的多尺度图像分类模型,使用训练集对所述模型进行训练,再利用验证集对训练的模型进行参数调优;S4,将未标注的乳腺病理全切片图像作为测试集,预测测试集病理图像块的良恶性,生成乳腺癌病灶区域概率热图,实现乳腺癌区域的自动检测。
全文数据:
权利要求:
百度查询: 西南石油大学 一种基于DenseNet和条件随机场的乳腺病理图像分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。