[发明专利]基于强化学习和深度神经网络的病理图像自动标注方法有效
| 申请号： | 201910915086.3 | 申请日： | 2019-09-26 |
| 公开（公告）号： | CN110659692B | 公开（公告）日： | 2023-04-18 |
| 发明（设计）人： | 杨梦宁;郭乔楠;王壮壮;陈海玲;吕杨帆 | 申请（专利权）人： | 重庆大学;中国人民解放军陆军军医大学第二附属医院 |
| 主分类号： | G06V10/762 | 分类号： | G06V10/762;G06V10/774;G06V10/82;G06N3/0464;G06N3/08;G06T7/11;G16H30/20 |
| 代理公司： | 重庆晟轩知识产权代理事务所(普通合伙) 50238 | 代理人： | 王海凤 |
| 地址： | 400044 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于强化学习和深度神经网络的病理图像自动标注方法，包括以下步骤：对染色标准化的原始病理图像进行多尺度超像素划分，并标记超像素的上皮概率阈值；构建超像素分类训练集；采用基于机器学习方法训练标记后的超像素得到学习模型，学习模型对测试图像中的超像素进行分类，并由病理医生对分类结果给予奖励和惩罚，将奖励和惩罚结果反馈给学习模型，学习模型通过奖惩机制重新做出调整；采用预先制定的方法构建端到端标注模型的训练集；采用基于深度神经网络的端到端学习，自动对组织区域标注分割；构建标注模型；使用预先配置好的真实数据对构建的标注模型进行测试。有益效果：能够快速、准确、自动标注不同组织区域的学习模型。 | ||
| 搜索关键词： | 基于 强化 学习 深度 神经网络 病理 图像 自动 标注 方法 | ||
【主权项】：
1.基于强化学习和深度神经网络的病理图像自动标注方法，其特征在于，包括以下步骤：/n步骤S1：采用预设规则对染色标准化的原始病理图像进行多尺度超像素划分，并标记所述超像素的上皮概率阈值；/n步骤S2：采用预设方法构建所述超像素分类训练集，构成测试图像；/n步骤S3：采用基于机器学习方法训练步骤S1与步骤S2标记后的所述超像素得到学习模型，所述学习模型对所述测试图像中的超像素进行分类，并由病理医生对分类结果给予奖励和惩罚，将奖励和惩罚结果反馈给所述学习模型，所述学习模型通过奖惩机制重新做出调整，循环直至所述学习模型达到最优，获得所述原始病理图像中组织区域的标注信息；/n步骤S4：采用预先制定的方法构建端到端标注模型的训练集；/n步骤S5：采用基于深度神经网络的端到端学习，自动对组织区域标注分割；/n步骤S6：构建标注模型；/n步骤S7：使用预先配置好的真实数据对构建的所述标注模型进行测试。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆大学;中国人民解放军陆军军医大学第二附属医院，未经重庆大学;中国人民解放军陆军军医大学第二附属医院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910915086.3/，转载请声明来源钻瓜专利网。
