一种胃癌病理切片图像处理方法及系统与流程

1.本发明涉及医疗诊断技术领域，具体为一种胃癌病理切片图像处理方法及系统。


背景技术：

2.癌症是人类难以攻克的顽疾，其中胃癌以其高发病率、高致死率高居我国癌症第二位，仅次于肺癌，研究人员通过医学图像分割相关技术的研究，利用计算机辅助技术减轻病理学家的沉重负担。
3.但是现有算法通常稳定性较差，过程复杂且无法提供语义信息，高额的人工标注成本也限制着监督式深度学习在医学图像分割领域的应用，而且图像判断方式较为单一，整体错误率较高。


技术实现要素：

4.为解决上述背景技术中提出的问题，本发明的目的在于提供一种胃癌病理切片图像处理方法及系统，具备提高运行稳定性与检测准确度的优点，解决了现有算法通常稳定性较差，过程复杂且无法提供语义信息，高额的人工标注成本也限制着监督式深度学习在医学图像分割领域的应用，而且图像判断方式较为单一，整体错误率较高的问题。
5.为实现上述目的，本发明提供如下技术方案：一种胃癌病理切片图像处理方法及系统，包括检测机器；所述检测机器的输出端电连接有胃癌病理切片分割算法模型，所述胃癌病理切片分割算法模型的输出端双向电连接有自降噪编码器，所述自降噪编码器的输出端双向电连接有图片分类器，所述图片分类器的输出端双向电连接有全连接条件随机场，所述全连接条件随机场的输出端电连接有报告产出模块。
6.作为本发明优选的，所述全连接条件随机场的输出端双向电连接有对比模块，所述对比模块的输出端双向电连接有图像输入模块，所述图像输入模块的输出端电连接有随机训练模块，所述随机训练模块的输出端与胃癌病理切片分割算法模型的输入端电性连接，图像输入模块的输入端双向电连接有无线收发模块，所述无线收发模块的输入端双向电连接有云端服务器。
7.作为本发明优选的，所述全连接条件随机场的输出端电连接有数据缓存模块，所述数据缓存模块的输出端分别与报告产出模块和对比模块电性连接。
8.作为本发明优选的，所述自降噪编码器由卷积块、最大池化层和采样层组成。
9.作为本发明优选的，所述自降噪编码器由卷积块、最大池化层和采样层组成。
10.作为本发明优选的，所述胃癌病理切片分割算法模型由图像分割模块和多维神经网络组成。
11.作为本发明优选的，所述图像分割模块由区域重叠判断系统和白化图像判断系统组成。
12.一种胃癌病理切片图像处理方法及系统，包括以下步骤：
s1：随机训练模块通过图像输入模块和无线收发模块与云端服务器进行连接，并对胃癌图片进行提取，随机提取的图像传输至胃癌病理切片分割算法模型并通过重复学习的方法使用新样本进行多次重复训练，将得到的结果应用全连接条件随机场进行后续处理，判断完毕的数据通过对比模块与图像输入模块内部输出的胃癌图片相对应的结果进行对比，并对正确率进行记录；s2：检测机器将拍摄的胃癌切片图像传输至胃癌病理切片分割算法模型，胃癌病理切片分割算法模型采用区域重叠判断系统将数据分割成若干小块图片，然后利用预先训练好的多维神经网络对分割的小图片进行初次分割，并使用图片分类器清楚假阳性样本，重新合成新样本，最终得到胃癌图片验证结果并通过报告产出模块发出。
13.与现有技术相比，本发明的有益效果如下：1、本发明通过胃癌病理切片分割算法模型采用区域重叠判断系统将数据分割成若干小块图片，然后利用预先训练好的多维神经网络对分割的小图片进行初次分割，并使用图片分类器清楚假阳性样本，重新合成新样本，最终得到胃癌图片验证结果并通过报告产出模块发出，能够基于深度学习的方式对胃癌病理切片进行精准分割，提升了模型的泛化能力和鲁棒性，可用于辅助胃癌病理诊断，同时可以提高切片的诊断效率，解决了现有算法通常稳定性较差，过程复杂且无法提供语义信息，高额的人工标注成本也限制着监督式深度学习在医学图像分割领域的应用，而且图像判断方式较为单一，整体错误率较高的问题。
14.2、本发明通过设置对比模块、图像输入模块、随机训练模块、无线收发模块与云端服务器，能够对胃癌病理切片分割算法模型进行训练，可以大幅提高的胃癌病理切片分割算法模型检测准确度。
15.3、本发明通过设置数据缓存模块，能够对数据进行暂储存，可以便于对比模块对数据进行提取对比。
16.4、本发明通过设置分类储存系统与文件压缩系统，能够减少数据的占用空间，提高云端服务器的数据搜寻效率。
附图说明
17.图1为本发明系统示意图。
具体实施方式
18.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
19.如图1所示，本发明提供的一种胃癌病理切片图像处理系统，包括检测机器；检测机器的输出端电连接有胃癌病理切片分割算法模型，胃癌病理切片分割算法模型的输出端双向电连接有自降噪编码器，自降噪编码器的输出端双向电连接有图片分类器，图片分类器的输出端双向电连接有全连接条件随机场，全连接条件随机场的输出端电连接有报告产出模块。
20.参考图1，全连接条件随机场的输出端双向电连接有对比模块，对比模块的输出端双向电连接有图像输入模块，图像输入模块的输出端电连接有随机训练模块，随机训练模块的输出端与胃癌病理切片分割算法模型的输入端电性连接，图像输入模块的输入端双向电连接有无线收发模块，无线收发模块的输入端双向电连接有云端服务器。
21.作为本发明的一种技术优化方案，通过设置对比模块、图像输入模块、随机训练模块、无线收发模块与云端服务器，能够对胃癌病理切片分割算法模型进行训练，可以大幅提高的胃癌病理切片分割算法模型检测准确度。
22.参考图1，全连接条件随机场的输出端电连接有数据缓存模块，数据缓存模块的输出端分别与报告产出模块和对比模块电性连接。
23.作为本发明的一种技术优化方案，通过设置数据缓存模块，能够对数据进行暂储存，可以便于对比模块对数据进行提取对比。
24.参考图1，自降噪编码器由卷积块、最大池化层和采样层组成。
25.参考图1，云端服务器由分类储存系统和文件压缩系统组成。
26.作为本发明的一种技术优化方案，通过设置分类储存系统与文件压缩系统，能够减少数据的占用空间，提高云端服务器的数据搜寻效率。
27.参考图1，胃癌病理切片分割算法模型由图像分割模块和多维神经网络组成。
28.参考图1，图像分割模块由区域重叠判断系统和白化图像判断系统组成。
29.参考图1，一种胃癌病理切片图像处理方法，包括以下步骤：s1：随机训练模块通过图像输入模块和无线收发模块与云端服务器进行连接，并对胃癌图片进行提取，随机提取的图像传输至胃癌病理切片分割算法模型并通过重复学习的方法使用新样本进行多次重复训练，将得到的结果应用全连接条件随机场进行后续处理，判断完毕的数据通过对比模块与图像输入模块内部输出的胃癌图片相对应的结果进行对比，并对正确率进行记录；s2：检测机器将拍摄的胃癌切片图像传输至胃癌病理切片分割算法模型，胃癌病理切片分割算法模型采用区域重叠判断系统将数据分割成若干小块图片，然后利用预先训练好的多维神经网络对分割的小图片进行初次分割，并使用图片分类器清楚假阳性样本，重新合成新样本，最终得到胃癌图片验证结果并通过报告产出模块发出。
30.本发明的工作原理及使用流程：在胃癌病理切片分割算法模型运行之前，随机训练模块通过图像输入模块和无线收发模块与云端服务器进行连接，并对胃癌图片进行提取，随机提取的图像传输至胃癌病理切片分割算法模型并通过重复学习的方法使用新样本进行多次重复训练，将得到的结果应用全连接条件随机场进行后续处理，判断完毕的数据通过对比模块与图像输入模块内部输出的胃癌图片相对应的结果进行对比，并对正确率进行记录，当对比正确率高于百分之九十时，检测机器将拍摄的胃癌切片图像传输至胃癌病理切片分割算法模型，胃癌病理切片分割算法模型采用区域重叠判断系统将数据分割成若干小块图片，然后利用预先训练好的多维神经网络对分割的小图片进行初次分割，并使用图片分类器清楚假阳性样本，重新合成新样本，最终得到胃癌图片验证结果并通过报告产出模块发出。
31.综上所述：该胃癌病理切片图像处理方法及系统，通过胃癌病理切片分割算法模型采用区域重叠判断系统将数据分割成若干小块图片，然后利用预先训练好的多维神经网
络对分割的小图片进行初次分割，并使用图片分类器清楚假阳性样本，重新合成新样本，最终得到胃癌图片验证结果并通过报告产出模块发出，能够基于深度学习的方式对胃癌病理切片进行精准分割，提升了模型的泛化能力和鲁棒性，可用于辅助胃癌病理诊断，同时可以提高切片的诊断效率，解决了现有算法通常稳定性较差，过程复杂且无法提供语义信息，高额的人工标注成本也限制着监督式深度学习在医学图像分割领域的应用，而且图像判断方式较为单一，整体错误率较高的问题。
32.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
33.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。