[发明专利]一种宫颈癌前病理组织学分割优化方法

权利要求书

1.一种宫颈癌前病理组织学分割优化方法，其特征在于，所述方法包括以下步骤：

步骤1：选择宫颈分布一致性损失函数的优化权重函数类型；

步骤2：选择宫颈分布一致性损失函数的优化权重函数参数；

步骤3：确定宫颈分布一致性损失函数表达形式；

步骤4：计算宫颈分布一致性损失函数的值并优化模型；

步骤5：迭代优化预测模型的性能；

步骤6，通过更新后的预测模型预测病变位置和类别。

2.如权利要求1所述的宫颈癌前病理组织学分割优化方法，其特征在于，在步骤1中，优化权重函数类型可以为：上凸函数、下凸函数或一维线性函数；优化权重函数设定为以预测偏差δ为自变量的函数，权重函数表达为F(δ)。

3.如权利要求2所述的宫颈癌前病理组织学分割优化方法，其特征在于，对于优化权重函数类型的选择，具体为：对相邻类别的误判容忍度低，则选择上凸函数；对相邻类别的误判容忍度高，则选择下凸函数；如无特殊需求，则选择一维线性单调递增函数。

4.如权利要求1所述的宫颈癌前病理组织学分割优化方法，其特征在于，在步骤2中，设定宫颈分布一致性损失函数的优化权重函数的曲率、极值，其中，将优化权重函数的极小值设置为1，极大值设置为5。

5.如权利要求1-4所述的宫颈癌前病理组织学分割优化方法，其特征在于，优化权重函数的具体形式分别为：

上凸函数：F(δ)＝4ln(βδ+1)/ln(4β+1)+1，其中β为曲率控制超参数；

下凸函数：F(δ)＝4(e^αδ-1)/(e^4α-1)+1，其中α为曲率控制超参数；

一维线性函数：F(δ)＝δ+1；

其中δ为预测偏差，即预测类别与真实类别的偏差值。

6.如权利要求1所述的宫颈癌前病理组织学分割优化方法，其特征在于，在步骤3中，确定与优化权重函数正相关的宫颈分布一致性损失函数形式，具体形式为：L＝F(δ)*L₀或L＝F(δ)*(1+L₀)，其中L₀为待优化模型的损失函数值。

7.如权利要求6所述的宫颈癌前病理组织学分割优化方法，其特征在于，在步骤4中，根据预测偏差δ，计算宫颈分布一致性损失L的值，结合待优化的深度学习模型的的前馈数据，计算反向传播梯度值，更新待优化网络结构中的非线性函数的权重和偏置值。

8.如权利要求1所述的宫颈癌前病理组织学分割优化方法，其特征在于，在步骤5中，多次重复步骤4，迭代更新待优化模型的权重参数和偏置值，直至模型参数收敛地相对稳定，最终得到优化的预测模型。