[发明专利]甲状腺切片图像分类方法、装置、计算机设备和存储介质

权利要求书

1.一种甲状腺切片图像分类方法，其特征在于：

将甲状腺切片图像划分成图像块后，通过图像块分类模型进行分类，获得所述甲状腺切片图像的概率热图；

对所述甲状腺切片图像的概率热图，提取多阶颜色特征输入SVM分类器中进行分类，得到所述甲状腺切片图像为良性或恶性的分类结果；

其中，所述将甲状腺切片图像划分成图像块后，通过图像块分类模型进行分类，获得所述甲状腺切片图像的概率热图，包括：

获取预设放大倍数下甲状腺切片图像；

将所述甲状腺切片图像划分成多个互不重叠的预设大小的图像块；

对所述图像块，通过图像块分类模型进行分类，获得所述图像块为恶性肿瘤的概率；所述图像块分类模型训练过程中，采用优化损失函数，通过反向传播算法调整模型参数；

将所述概率映射到，与其对应的所述图像块在所述甲状腺切片图像的位置，获得所述甲状腺切片图像的概率热图；其中，所述优化损失函数为：

其中，n为图像块数量，为传统的交叉熵损失函数，为图像块X_i的惩罚项，k为类别总数，j表示某一类别，y_i为独热编码，并且y_i＝[y_i0,y_i1]，p_i为网络预测出的概率向量并且p_i＝[p_i0,p_i1]，其中p_i0为图像块X_i为非恶性的概率，p_i1为图像块X_i为恶性的概率，为图像块X_i的标签，若图像块为恶性则标签为1，否则标签为0，为网络预测出的图像块标签。

2.根据权利要求1所述的方法，其特征在于，对所述甲状腺切片图像的概率热图，提取多阶颜色特征输入SVM分类器中进行分类，得到所述甲状腺切片图像为良性或恶性的分类结果，包括：

对所述甲状腺切片图像的概率热图，提取一阶颜色矩、二阶颜色矩和三阶颜色矩，得到所述甲状腺切片图像的切片级特征；

将所述切片级特征输入SVM分类器中进行分类，得到所述甲状腺切片图像为良性或恶性的分类结果。

3.根据权利要求1所述的方法，其特征在于，在将所述甲状腺切片图像划分成多个互不重叠的预设大小的图像块之后，包括：过滤背景占比超过50％的图像块。

4.根据权利要求1所述的方法，其特征在于，在对所述图像块，通过图像块分类模型进行分类，获得所述图像块为恶性肿瘤的概率之前，包括：

获取预设放大倍数下，带有标注的甲状腺切片图像；

所述甲状腺切片图像划分成多个互不重叠的预设大小的图像块，根据标注给予所述图像块恶性或非恶性的标签；

根据所述图像块和标签，对Inception-v3模型进行训练，获得图像块分类模型；其中，所述图像块分类模型训练过程中，采用优化损失函数，通过反向传播算法调整模型参数。

5.根据权利要求1所述的方法，其特征在于，所述预设放大倍数为20×放大倍数。