[发明专利]病理图像检测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种病理图像检测方法、装置、计算机设备和存储介质。该方法包括：获取待检测病理图像；采用预先训练的病理图像检测模型对待检测病理图像进行病理检测，获得病理图像检测结果；病理图像检测模型的训练过程包括：获取样本集，样本集包括对各原始病理图像进行处理后得到的病理图像；根据样本集对各神经网络模型进行训练，获得对应的各图像检测模型；神经网络模型为在原始神经网络模型中增加特征提取通道后构建的神经网络模型；采用各图像检测模型进行图像检测测试，得到对应的各图像检测测试结果；对各图像检测测试结果进行比较，根据比较结果从各图像检测模型中确定病理图像检测模型。采用本方法能够提高病理图像检测的检测精度和效率。

技术领域

本申请涉及图像检测技术领域，特别是涉及一种病理图像检测方法、装置、计算机设备和存储介质。

背景技术

组织病理学是诊断局部可疑增生为良性或者恶性疾病及其亚型的金标准，通过对病理图像进行病理检测就可以得到疾病诊断结果。随着卷积神经网络在组织病理图像检测技术中的发展，在疾病分类、病灶分割、细胞检测、细胞核检测和有丝分裂检测等医学图像检测中已经达到了较高的检测精度。

在皮肤病理图像检测中，虽然采用卷积神经网络能够实现针对恶性黑色素瘤和良性痣的病理级别的分类。但是现有的卷积神经网络缺乏融合不同尺度特征的能力，当病理图像中的细胞形态差异不大或细胞密集堆积时就会导致卷积神经网络的分辨能力不足，从而降低了病理图像检测的检测精度和效率。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高病理图像检测的检测精度和效率的病理图像检测方法、装置、计算机设备和存储介质。

一种病理图像检测方法，所述方法包括：

获取待检测病理图像；

采用预先训练的病理图像检测模型对所述待检测病理图像进行病理检测，获得病理图像检测结果；

所述病理图像检测模型的训练过程包括：

获取样本集，所述样本集包括对各原始病理图像进行处理后得到的病理图像；

根据所述样本集对各神经网络模型进行训练，获得对应的各图像检测模型；所述神经网络模型为在原始神经网络模型中增加特征提取通道后构建的神经网络模型；

采用各所述图像检测模型进行图像检测测试，得到对应的各图像检测测试结果；

对各所述图像检测测试结果进行比较，根据比较结果从各所述图像检测模型中确定所述病理图像检测模型。

在其中一个实施例中，各所述神经网络模型的构建方式，包括：

分别在所述原始神经网络模型的各模型位置插入各附加输入模块，获得构建的各所述神经网络模型，所述附加输入模块用于模型训练时增加所述样本集的特征提取通道，所述附加输入模块的数量至少为一个。

在其中一个实施例中，所述分别在所述原始神经网络模型的各模型位置插入各附加输入模块，包括：

分别将各所述附加输入模块插入到所述原始神经网络的相应的下采样层或者连续下采样层的末端，各所述附加输入模块的输出宽度与所述原始神经网络的下采样层或者连续下采样层的输出宽度相同。

在其中一个实施例中，在所述根据所述样本集对各神经网络模型进行训练，获得对应的各图像检测模型时，在各所述附加输入模块中输入的图像为经过缩放的所述样本集中的病理图像。

在其中一个实施例中，各所述附加输入模块在所述原始神经网络模型的可插入位置的数量与所述原始神经网络模型的非连续下采样层的层数相同，所述可插入位置的数量至少为一个。

在其中一个实施例中，在所述原始神经网络模型中插入各所述附加输入模块的数量及对应的插入位置的确定方式，包括：