[发明专利]妇科分泌物图像的多标签分类方法

说明书

本发明公开了一种妇科分泌物图像的多标签分类方法，包括如下步骤：步骤一、特征提取，包括构建训练数据库以及建立用于模型训练的网络结构；步骤二、模型训练，包括将训练数据库中的妇科分泌物图像及对应的标签图通过全卷积网络进行训练得到所需的样本模型；步骤三、校正，通过样本模型对妇科分泌物图像进行测试得到测试用的预测标签图，并对预测标签图进行评价，判断测试结果是否满足要求，是则将样本模型作为预测用的样本模型；否则返回步骤二，对训练用的各项参数进行修改并重复步骤三，直到测试结果满足要求为止；步骤四、预测，将检测用的妇科分泌物图像输入到样本模型中进行预测，得到初步预测图像。与现有技术相比，节省了分类时间。

技术领域

本发明涉及医学领域，特别涉及一种妇科分泌物图像的多标签分类方法。

背景技术

目前，医院的检验科进行妇科检查时，需要对阴道分泌物中的不同细胞进行分类，即多标签图像的分类。现在最常用的方法是人工镜检，而市面上已有的非人工方法无法做到对这种多标签图像的分类，只能单独的识别分类出其中的一种细胞；这样会延长了分类时间，而现有的多标签分类算法又不适用于妇科分泌物细胞图像的分类。

如何能够通过技术手段对妇科分泌物图像进行多标签分类是一个值得研究的课题。

发明内容

本发明的目的在于提供一种妇科分泌物图像的多标签分类方法，要解决的技术问题是实现妇科分泌物图像对多种细胞进行一次分类即可完成多种细胞的分类，节省分类时间。

为解决上述问题，本发明采用以下技术方案实现：一种妇科分泌物图像的多标签分类方法，包括如下步骤：

步骤一、特征提取，所述特征提取包括构建训练数据库以及建立用于模型训练的网络结构；

步骤二、模型训练，所述模型训练包括将训练数据库中的妇科分泌物图像及对应的标签图通过全卷积网络进行训练得到所需的样本模型；

步骤三、校正，通过样本模型对妇科分泌物图像进行测试得到测试用的预测标签图，并对预测标签图进行评价，判断测试结果是否满足要求，是则将样本模型作为预测用的样本模型；否则返回步骤二，对训练用的各项参数进行修改并重复步骤三，直到测试结果满足要求为止；

步骤四、预测，将检测用的妇科分泌物图像输入到样本模型中进行预测，得到初步预测图像。

进一步地，所述方法还包括：

步骤五、形态学后处理，对初步预测图像进行形态学后处理，所述形态学后处理包括对初步预测图像进行阈值筛选、至少一次开闭运算以及轮廓提取，从而得到妇科分泌物分类标签图。

进一步地，所述步骤二中模型训练还包括在模型训练前，对训练数据库中的数据进行扩增，具体地，对训练数据库中的妇科分泌物图像以及所对应的标签图进行图像参数中至少一项参数的调整并保存后，将训练数据库中标签图进行图像尺寸的等比缩小，将标签图分别缩小为与之对应的妇科分泌物图像的图像尺寸的1/2以及1/4的1/2标签图、1/4标签图后，保存至训练数据库中。

进一步地，所述步骤一中建立用于模型训练的全卷积网络包括基于卷积神经网络中的全卷积网络构建出至少三个用于模型训练的网络结构。

进一步地，所述网络结构包括特征提取网络以及重建网络。

进一步地，所述网络结构设有三个，分别为1/4网络结构、1/2网络结构以及1/1网络结构；

所述1/4网络结构中特征提取网络包括15个层，包括1个数据层，5个卷积层，5个激活层，激活层紧跟在每一个卷积层之后，4个最大池化层；重建网络共11层，包括2个反卷积层，2个全连接层，3个卷积层，2个激活层，1个偏平层以及1个损失层；