[发明专利]一种宫颈癌前病理组织学分割优化方法

说明书

本发明提供了一种宫颈癌前病理组织学分割优化方法。所述方法包括：选择宫颈分布一致性损失函数的优化权重函数类型；选择宫颈分布一致性损失函数的优化权重函数参数；确定宫颈分布一致性损失函数表达形式；计算宫颈分布一致性损失函数的值并优化模型；迭代优化预测模型的性能；通过更新后的预测模型预测病变位置和类别。本发明的方案适用于大多数从其他领域迁移的图像分割神经网络结构，可应对各种实际采集到的复杂宫颈活检组织样本，明显提升现有的图像分割方法在宫颈癌前组织图像分割任务上的性能，大幅度节约人工成本。

技术领域

本发明涉及图像分割技术领域，具体为一种能优化宫颈癌前病理组织学图像分割性能的方法。

背景技术

活检病理组织学筛查是宫颈癌前病变等级诊断的重要途径。宫颈病理组织学判断需要专家于显微镜下以高倍数的目镜观察组织图像。为了观察清楚组织细节且不遗漏微小病灶，专家往往需要不断放缩倍率并缓慢移动排查每一块区域，这个过程在耗费大量时间的同时，也在增加观察者的视觉疲劳度并降低注意力集中程度。现阶段的具有扎实专业筛查背景的人工数量有限，而现有人工筛查速度无法满足就医患者数量的高负荷需求。因此，以计算机软硬件装置迅速锁定关键区域并提供参考建议，将在降低医生诊断门槛提高可用人工数量的同时，提升单一样本判断速度，从而大幅度削减人工成本。

此外，宫颈癌前病变大多分为正常、CIN1、CIN2、CIN3四个阶段，其彼此之间呈现递进关系，严重程度决定着诊疗手段的选择，也暗含着是否有炎症、感染、癌变、预后效果等多重信息。然而，目前的研究局限于简单样本的自动化切割与识别，而从其他领域迁移学习得到的模型算法缺乏对宫颈特异性的深入挖掘，进而导致性能不佳。因此，为了切实辅助医生减轻人工压力，针对实际应用中面临的宫颈癌前活检样本，现有的方法与装置性能亟待提升。

发明内容

本发明提供了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：

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。

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)。

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。

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。

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。

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。