【技术实现步骤摘要】
针对病理图像的病变区域确定方法、模型训练方法及装置
[0001]本申请涉及计算机视觉领域,特别涉及一种针对病理图像的病变区域确定方法、模型训练方法及装置。
技术介绍
[0002]目前,通过病理图像可以确定具体的病变位置。
[0003]在相关技术中,组织病理学检查从活检开始,医生从用户体内获取组织切片,通过包埋、染色等步骤制作成玻片。之后,病理学家将玻片放置在显微镜下进行观察,以在病理图像中找到具体的病变位置。
[0004]然而,在上述相关技术中,病变位置的确定流程依赖于人工进行诊断,人力资源消耗大。
技术实现思路
[0005]本申请实施例提供了一种针对病理图像的病变区域确定方法、模型训练方法及装置,能够减少人力资源的消耗,节省确定病变区域所需的成本。所述技术方案如下。
[0006]根据本申请实施例的一个方面,提供了一种针对病理图像的病变区域确定方法,所述方法包括以下步骤:
[0007]采用第一采样方式从病理图像中采样得到至少两个第一实例图像;
[0008]基于从所述至少两个第一实例图像中提取的特征信息,确定所述病理图像中的候选病变区域;
[0009]采用第二采样方式从所述候选病变区域中采样得到至少两个第二实例图像,所述第二实例图像之间的重叠度大于所述第一实例图像之间的重叠度;
[0010]基于从所述至少两个第二实例图像中提取的特征信息,确定所述病理图像的病变指示信息,所述病变指示信息用于指示所述病理图像中的病变区域。
[0011]根据本申 ...
【技术保护点】
【技术特征摘要】
1.一种针对病理图像的病变区域确定方法,其特征在于,所述方法包括:采用第一采样方式从病理图像中采样得到至少两个第一实例图像;基于从所述至少两个第一实例图像中提取的特征信息,确定所述病理图像中的候选病变区域;采用第二采样方式从所述候选病变区域中采样得到至少两个第二实例图像,所述第二实例图像之间的重叠度大于所述第一实例图像之间的重叠度;基于从所述至少两个第二实例图像中提取的特征信息,确定所述病理图像的病变指示信息,所述病变指示信息用于指示所述病理图像中的病变区域。2.根据权利要求1所述的方法,其特征在于,所述基于从所述至少两个第一实例图像中提取的特征信息,确定所述病理图像中的候选病变区域,包括:对各个所述第一实例图像分别进行特征编码,得到各个所述第一实例图像分别对应的第一特征信息;对各个所述第一实例图像分别对应的第一特征信息进行特征融合,得到所述病理图像的全局特征信息;根据所述全局特征信息以及各个所述第一实例图像分别对应的第一特征信息,确定各个所述第一实例图像分别对应的第一预测概率,所述第一预测概率是指所述第一实例图像中包含病变区域的概率;基于满足第一条件的第一预测概率对应的第一实例图像在所述病理图像中的位置,确定所述候选病变区域。3.根据权利要求2所述的方法,其特征在于,所述对各个所述第一实例图像分别对应的第一特征信息进行特征融合,得到所述病理图像的全局特征信息,包括:采用注意力机制对各个所述第一实例图像分别对应的第一特征信息进行处理,得到各个所述第一特征信息分别对应的权重;根据各个所述第一特征信息分别对应的权重,对各个所述第一特征信息进行加权求和处理,得到所述病理图像的全局特征信息。4.根据权利要求2所述的方法,其特征在于,所述根据所述全局特征信息以及各个所述第一实例图像分别对应的第一特征信息,确定各个所述第一实例图像分别对应的第一预测概率,包括:根据所述全局特征信息映射生成第一概率系数,所述第一概率系数是指所述病理图像中包含病变区域的概率;对于每一个所述第一实例图像,根据所述第一实例图像对应的第一特征信息映射生成第二概率系数,所述第二概率系数是指所述第一实例图像中包含病变区域的初始概率;根据所述第一概率系数和所述第二概率系数,确定所述第一实例图像对应的第一预测概率。5.根据权利要求1所述的方法,其特征在于,所述基于从所述至少两个第二实例图像中提取的特征信息,确定所述病理图像的病变指示信息,包括:对各个所述第二实例图像分别进行特征编码,得到各个所述第二实例图像分别对应的第二特征信息;对各个所述第二实例图像分别对应的第二特征信息进行特征融合,得到所述病理图像
针对所述候选病变区域的局部特征信息;基于所述局部特征信息和所述病理图像的全局特征信息,确定所述病理图像中的病变概率分布信息,所述病变概率分布信息用于指示所述病理图像中病变区域的概率分布;其中,所述病变指示信息中包括所述病变概率分布信息。6.根据权利要求5所述的方法,其特征在于,所述对各个所述第二实例图像分别对应的第二特征信息进行特征融合,得到所述病理图像针对所述候选病变区域的局部特征信息,包括:采用注意力机制对各个所述第二实例图像分别对应的第二特征信息进行处理,得到各个所述第二特征信息分别对应的权重;根据各个所述第二特征信息分别对应的权重,对各个所述第二特征信息进行加权求和处理,得到所述局部特征信息。7.根据权利要求1所述的方法,其特征在于,所述基于从所述至少两个第二实例图像中提取的特征信息,确定所述病理图像的病变指示信息,包括:对各个所述第二实例图像分别进行特征编码,得到各个所述第二实例图像分别对应的第二特征信息;对各个所述第二实例图像分别对应的第二特征信息进行特征融合,得到所述病理图像针对所述候选病变区域的局部特征信息;根据所述局部特征信息以及各个所述第二实例图像分别对应的第二特征信息,确定各个所述第二实例图像分别对应的第二预测概率,所述第二预测概率是指所述第二实例图像中包含所述病变区域的概率;基于满足第二条件的第二预测概率对应的第二实例图像在所述病理图像中的位置,确定所述病理图像的病变指示信息。8.根据权利要求7所述的方法,其特征在于,所述根据所述局部特征信息以及各个所述第二实例图像分别对应的第二特征信息,确定各个所述第二实例图像分别对应的第二预测概率,包括:根据所述局部特征信息映射生成第三概率系数,所述第三概率系数是指所述候选病变区域中包含病变区域的概率;对于每一个所述第二实例图像,根据所述第二实例图像对应的第二特征信息映射生成第四概率系数,所述第四概率系数是指所述第二实例图像中包含病变区域的初始概率;根据所述第三概率系数和所述第四概率系数,确定所述第二实例图像对应的第二预测概率。9.根据权利要求1至8任一项所述的方法,其特征在于,所述采用第一采样方式从病理图像中采样得到至少两个第一实例图像,包括:对所述病理图像进行背景划分,确定所述病理图像中的背景图像和前景图像;采用所述第一采样方式对所述病理图像进行分割,得到至少两个第一候选实例图像;从所述至少两个第一候选实例图像中,将包含所述前景图像的第一候选实例图像确定为所述第一实例图像。10.根据权利要求1至8任一项所述的方法,其特征在于,所述采用第二采样方式从所述候选病变区域中采样得到至少两个第二实例图像,包括:
根据所述候选病变区域,从所述病理图像中提取得到候选病变图像;基于所述病理图像的尺寸,对所述候选病变图像进行缩放处理,得到目标病变图像,所述目标病变图像的尺寸与所述病理图像的尺寸一致;采用所述第二采样方式从所述目标病变图像中采样得到所述至少两个第二实例图像。11.根据权利要求1至8任一项所述的方法,其特征在于,所述病变指示信息由病变区域确定模型得到,所述病变区域确定模型包括编码网络、第一分类网络、第二分类网络和第三分类网络;其中,所述编码网络,用于对所述第一实例图像和所述第二实例图像进行特征编码,得到所述第一实例图像对...
【专利技术属性】
技术研发人员:杨仲毅,杨森,项进喜,张军,韩骁,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。