[发明专利]基于深度学习的病理图像处理方法、模型训练方法及装置

权利要求书

1.一种基于深度学习的病理图像处理方法，其特征在于，包括：

获取待处理的目标对象的病理图像；

对所述待处理的目标对象的病理图像进行分块处理，以得到分块图像集合，其中，所述分块图像集合包括N个分块图像，所述N为大于或等于1的图像；

对所述分块图像集合进行特征分类提取处理，得到N个第一特征集合、N个第二特征集合以及N个第三特征集合，其中，所述第一特征集合包括至少一个与分块图像形态关联的特征，所述第二特征集合包括至少一个与细胞核形态关联的特征，所述第三特征集合包括至少一个与细胞核位置关联的特征；

将所述经分类提取处理后的N个第一特征集合、N个第二特征集合以及N个第三特征集合按预设规则进行特征融合处理，生成与所述目标对象所对应的目标融合特征，其中，所述融合特征包括P个元素，所述P为大于1的整数；

调用病理图像分析模型对所述目标融合特征进行分析处理，以输出所述待处理的目标对象的病理分析结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述分块图像集合进行特征分类提取处理，得到N个第一特征集合、N个第二特征集合以及N个第三特征集合，包括：

根据所述分块图像集合获取苏木精染色图像集合以及伊红染色图像集合，其中，所述苏木精染色图像集合包括N个苏木精染色图像，所述伊红染色图像集合包括N个伊红染色图像，所述苏木精染色图像与所述分块图像具有对应关系，所述伊红染色图像与所述分块图像具有对应关系；

根据所述分块图像集合获取细胞核图像集合，其中，所述细胞核图像集合包括N个细胞核图像，所述细胞核图像与所述分块图像具有对应关系；

根据所述苏木精染色图像集合以及所述伊红染色图像集合，获取所述分块图像集合所对应的所述N个第一特征集合；

根据所述细胞核图像集合，获取所述分块图像集合所对应的所述N个第二特征集合；

根据所述细胞核图像集合，获取所述分块图像集合所对应的所述N个第三特征集合。

3.根据权利要求2所述的方法，其特征在于，所述根据所述细胞核图像集合，获取所述分块图像集合所对应的所述N个第三特征集合，包括：

根据所述细胞核图像集合，获取每个细胞核图像所对应的细胞核质心位置；

根据所述细胞核图像集合中所述每个细胞核图像所对应的细胞核质心位置，生成所述每个细胞核图像所对应的维诺图；

根据所述细胞核图像集合中所述每个细胞核图像所对应的维诺图，获取所述N个第三特征集合。

4.根据权利要求1所述的方法，其特征在于，所述将所述经分类提取处理后的N个第一特征集合、N个第二特征集合以及N个第三特征集合按预设规则进行特征融合处理，生成与所述目标对象所对应的目标融合特征，包括：

根据所述N个第一特征集合、所述N个第二特征集合以及所述N个第三特征集合，获取T个特征维度所对应的统计结果，其中，所述T为大于1的整数；

根据所述T个特征维度所对应的统计结果，生成所述目标对象所对应的融合特征；

从所述目标对象所对应的融合特征中获取Q个元素，其中，所述Q为大于或等于1；

将所述Q个元素进行拼接处理，得到所述目标对象所对应的目标融合特征。

5.根据权利要求4所述的方法，其特征在于，所述根据所述N个第一特征集合、所述N个第二特征集合以及所述N个第三特征集合，获取T个特征维度所对应的统计结果，包括：

根据所述N个第一特征集合、所述N个第二特征集合以及所述N个第三特征集合，对所述N个分块图像在所述T个特征维度上的分布进行统计，得到T个频数分布直方图，其中，所述特征维度与所述频数分布直方图具有对应关系；

根据所述T个频数分布直方图中的每个频数分布直方图，生成所述每个频数分布直方图所对应的统计结果；

根据所述每个频数分布直方图所对应的统计结果，生成所述T个特征维度所对应的统计结果；

所述根据所述T个特征维度所对应的统计结果，生成所述目标对象所对应的融合特征，包括：

对所述T个特征维度所对应的统计结果进行拼接处理，得到所述目标对象所对应的融合特征。