[发明专利]一种基于深度学习的图像中肾脏血管极尿极分类方法、计算机设备及计算机可读存储介质

权利要求书

1.一种基于深度学习的图像中肾脏血管极尿极分类方法，其特征是，包括以下步骤：

步骤(1)：选择一张病理图片，根据已知的肾小球轮廓对病理图片进行裁切，得到裁切后的小图；

步骤(2)：将步骤(1)得到的小图输入到训练好的深度学习分割模型中，模型输出分割掩码图；

步骤(3)：获取掩码图片的后面两个通道，分别对应血管极和尿极，分别再得到血管极和尿极掩码图片中非零元素的位置，对非零元素位置的值求平均值，得到血管极尿极的得分，最终输出分类结果。

2.根据权利要求1所述的一种基于深度学习的图像中肾脏血管极尿极分类方法，其特征是，步骤(1)中，根据已知的肾小球轮廓对病理图片进行裁切的过程：

步骤(1.1)：获得肾小球轮廓左上角坐标(l,t)和右下角坐标(r,b)，用右下角坐标减去左上角坐标获得肾小球轮廓最小外接矩形的宽、高分别为w＝r-l,h＝b-t；

步骤(1.2)：取宽和高中尺寸最大的一条边作为裁剪窗口的尺寸，轮廓的中心位置center＝(l+r)/2,(t+b)/2,利用肾小球轮廓、裁切中心以及旋转角度获得旋转后的肾小球的轮廓；从而获得裁切图片的裁切窗口坐标和对应轮廓，通过裁切得到小图。

3.根据权利要求1所述的一种基于深度学习的图像中肾脏血管极尿极分类方法，其特征是，步骤(2)中，深度学习分割模型的训练主要包括数据预处理和模型搭建。

4.根据权利要求3所述的一种基于深度学习的图像中肾脏血管极尿极分类方法，其特征是，数据预处理阶段：剔除一些异常的数据集，然后制作分割掩码图片。

5.根据权利要求4所述的一种基于深度学习的图像中肾脏血管极尿极分类方法，其特征是，分割掩码图片的制作过程：先用numpy.zeros()创建一张与分割图片长宽一样的空白图片，然后从json文件中读取已经标注好的血管极尿极的轮廓，将血管极尿极的轮廓画在创建好的空白图片上，这样就完成了掩码的制作。

6.根据权利要求3所述的一种基于深度学习的图像中肾脏血管极尿极分类方法，其特征是，网络搭建：使用unet网络模型；在Unet结构的下采样过程中嵌入efficientnet_b3模型。

7.根据权利要求1所述的一种基于深度学习的图像中肾脏血管极尿极分类方法，其特征是，深度学习分割模型训练过程中，设置的参数为：batch size＝32，学习率lr＝0.01,迭代轮次epoch＝200。

8.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器在执行所述计算机程序时能够实现权利要求1-7中任一项所述的基于深度学习的图像中肾脏血管极尿极分类方法中的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时能够实现权利要求1-7中任一项所述的基于深度学习的图像中肾脏血管极尿极分类方法中的步骤。