买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：清华大学

摘要：本发明公开了一种基于深度学习的葡萄胎切片图像处理方法及装置，属于医学影像技术领域中葡萄胎的医学影像检测，用于解决现有技术中葡萄胎临床诊断检测的效率低的问题。本发明通过采集显微镜下的葡萄胎切片扫描图，并将葡萄胎切片扫描图输入水肿网络b‑net、增生网络c‑net，得到葡萄胎切片扫描图的切片水肿分布图、切片增生分布图。本发明通过增生网络、水肿网络可对增生、水肿两种不同的葡萄胎病理特征进行图像处理，分布图将可视化地显示给临床医生，以直观获得切片水肿、增生区域分布情况。

主权项：1.一种基于深度学习的葡萄胎切片图像处理方法，其特征在于，步骤如下：S1，获取葡萄胎切片扫描图像；S2，将葡萄胎切片扫描图像切为尺寸为size1和size2的切块；S3，将size1切块输入深度卷积网络1，得到size1切块水肿标签，根据切块标签得到切片图片的水肿分布热度图；S4，将size2切块输入深度卷积网络2，得到size2切块增生标签，根据切块标签得到切片图片的增生分布热度图；其中，步骤S3、S4中，分布热度图的生成步骤为：S3-1，以记录为水肿或增生标签的每张切块的中心点作为散点，在整张切片图片中形成离散的散点数据图；S3-2，为整张切片图片中的每个散点创建单热点灰度区；在创建单热点灰度区时，创建单热点灰度区的公式1为： 其中，xo、yo为图片切块的中心点坐标，为图片切块的中心点灰度，σ为正态分布方差；S3-3，所有的单热点灰度区重叠、组合成整张切片图片的水肿或增生区域分布热度图；其中，生成水肿区域分布热度图时，水肿热度图灰度分布表示为以下公式2： 生成增生区域分布热度图时，增生热度图灰度分布表示为以下公式3： 其中，Edema为水肿切块中心点集合，x0i、y0i为第i个图片切块的中心点在整张切片图片中的坐标位置；Hype为增生切块中心点集合；深度卷积网络1和深度卷积网络2的训练步骤为：步骤一，将训练图片以尺寸size切成若干训练图片切块；尺寸size的计算公式4为： 其中，si为每个水肿或增生连通域的最小外接矩阵较长边的长度，M为水肿或增生连通域的个数，D为小于1的可调参数；步骤二，计算训练图片切块中水肿或增生区域面积占训练图片切块总面积的比值，若比值超过特定阈值threshold，则该训练图片切块标签为水肿或增生切块，否则该训练图片切块标签为非水肿或增生切块；阈值threshold采用公式5进行计算： 其中，P为训练图片切块中水肿或增生区域面积占训练图片切块总面积的比值，N为训练图片切块的张数，pi为第i张训练图片切块中水肿或增生区域面积占训练图片切块总面积的比值；步骤三，将标签为水肿和非水肿切块或增生和非增生切块作为深度卷积网络的训练数据集，最终训练得到深度卷积网络1和深度卷积网络2。

全文数据：

权利要求：

百度查询： 清华大学 一种基于深度学习的葡萄胎切片图像处理方法及装置