【技术实现步骤摘要】
本申请涉及图像处理，具体而言，涉及一种肿瘤类器官癌种识别方法及装置。
技术介绍
1、目前，已有数种肿瘤类器官模型已被成功培育，并能够覆盖多种肿瘤类型，如乳腺癌、膀胱癌、结直肠癌等。在实践中发现，在类器官的关键质控点(如种胶前质检，传代前质检，药敏前质检等)上对培养物进行质控判定的过程通常需要人工获取指定的图像，从而不可避免的存在标本混淆或样本交叉污染的问题，进而影响了获取数据的准确性以及实验的可靠性。
技术实现思路
1、本申请实施例的目的在于提供一种肿瘤类器官癌种识别方法及装置，能够通过肿瘤类器官癌种识别模型，自动化地识别类器官的癌种类别，从而避免人工参与，并保证图像识别的精确度，进而能够避免标本混淆或样本交叉污染的情况出现，有利于提升数据获取的准确性和实验的可靠性。
2、本申请第一方面提供了一种肿瘤类器官癌种识别方法，包括：
3、获取待识别类器官的局部明场图像；
4、通过预部署的肿瘤类器官癌种识别模型对所述待识别类器官的局部明场图像进行癌种识别，得到类器官癌种类别。
5、进一步地，所述获取待识别类器官的局部明场图像，包括：
6、通过显微镜成像系统获取培养皿孔位处待识别类器官的局部明场图像。
7、进一步地，所述通过预部署的肿瘤类器官癌种识别模型对所述待识别类器官的局部明场图像进行癌种识别，得到类器官癌种类别，包括：
8、通过预部署的肿瘤类器官癌种识别模型对所述待识别类器官的局部明场图像进行深度特征提
9、通过预部署的肿瘤类器官癌种识别模型对所述待识别类器官的局部明场图像进行纹理特征提取，得到图像纹理特征；
10、采用拼接方式融合所述图像深度特征和所述图像纹理特征，得到图像融合特征；
11、根据所述图像融合特征进行癌种识别，得到类器官癌种类别。
12、进一步地，所述方法还包括：
13、获取培养皿孔位处训练用类器官的局部明场图像以及所述训练用类器官的局部明场图像对应的癌种标签；
14、根据所述训练用类器官的局部明场图像以及所述癌种标签生成原始数据集，并根据所述原始数据集构建训练数据集、验证数据集以及测试数据集；
15、通过所述训练数据集对预先构建的原始识别模型进行训练，得到目标识别模型；
16、通过所述验证数据集和所述测试数据集对所述目标识别模型进行超参数优化，得到肿瘤类器官癌种识别模型。
17、进一步地，所述获取培养皿孔位处训练用类器官的局部明场图像以及所述训练用类器官的局部明场图像对应的癌种标签，包括：
18、通过显微镜成像系统获取培养皿孔位处训练用类器官的局部明场图像；
19、获取所述训练用类器官的局部明场图像对应的培养标签，并根据所述培养标签确定所述训练用类器官的局部明场图像对应的癌种标签。
20、进一步地，所述根据所述原始数据集构建训练数据集、验证数据集以及测试数据集，包括：
21、通过预设的数据增强算法对所述原始数据集进行平衡处理，得到预处理数据集；
22、按照预设比例将所述预处理数据集划分为训练数据集、验证数据集以及测试数据集。
23、进一步地，所述肿瘤类器官癌种识别模型包括深度特征提取器、纹理特征提取器、特征融合模块和多分类模块。
24、本申请第二方面提供了一种肿瘤类器官癌种识别装置，所述肿瘤类器官癌种识别装置包括：
25、获取单元，用于获取待识别类器官的局部明场图像；
26、识别单元，用于通过预部署的肿瘤类器官癌种识别模型对所述待识别类器官的局部明场图像进行癌种识别，得到类器官癌种类别。
27、进一步地，所述获取单元，具体用于通过显微镜成像系统获取培养皿孔位处待识别类器官的局部明场图像。
28、进一步地，所述识别单元包括：
29、深度特征提取子单元，用于通过预部署的肿瘤类器官癌种识别模型对所述待识别类器官的局部明场图像进行深度特征提取，得到图像深度特征；
30、纹理特征提取子单元，用于通过预部署的肿瘤类器官癌种识别模型对所述待识别类器官的局部明场图像进行纹理特征提取，得到图像纹理特征；
31、特征融合子单元，用于采用拼接方式融合所述图像深度特征和所述图像纹理特征，得到图像融合特征；
32、识别子单元，用于根据所述图像融合特征进行癌种识别，得到类器官癌种类别。
33、进一步地，所述肿瘤类器官癌种识别装置还包括：
34、所述获取单元，还用于获取培养皿孔位处训练用类器官的局部明场图像以及所述训练用类器官的局部明场图像对应的癌种标签；
35、构建单元，用于根据所述训练用类器官的局部明场图像以及所述癌种标签生成原始数据集，并根据所述原始数据集构建训练数据集、验证数据集以及测试数据集；
36、训练单元，用于通过所述训练数据集对预先构建的原始识别模型进行训练，得到目标识别模型；
37、所述训练单元，还用于通过所述验证数据集和所述测试数据集对所述目标识别模型进行超参数优化，得到肿瘤类器官癌种识别模型。
38、进一步地，所述获取单元，具体用于通过显微镜成像系统获取培养皿孔位处训练用类器官的局部明场图像；
39、所述获取单元，具体还用于获取所述训练用类器官的局部明场图像对应的培养标签，并根据所述培养标签确定所述训练用类器官的局部明场图像对应的癌种标签。
40、进一步地，所述构建单元包括：
41、平衡子单元，用于通过预设的数据增强算法对所述原始数据集进行平衡处理，得到预处理数据集；
42、构建子单元，用于按照预设比例将所述预处理数据集划分为训练数据集、验证数据集以及测试数据集。
43、进一步地，所述肿瘤类器官癌种识别模型包括深度特征提取器、纹理特征提取器、特征融合模块和多分类模块。
44、本申请第三方面提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本申请第一方面中任一项所述的肿瘤类器官癌种识别方法。
45、本申请第四方面提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请第一方面中任一项所述的肿瘤类器官癌种识别方法。
46、本申请的有益效果为：该方法及装置能够通过肿瘤类器官癌种识别模型，自动化地识别类器官的癌种类别，从而避免人工参与，并保证图像识别的精确度，进而能够避免标本混淆或样本交叉污染的情况出现，有利于提升数据获取的准确性和实验的可靠性。
本文档来自技高网...【技术保护点】
1.一种肿瘤类器官癌种识别方法，其特征在于，包括：
2.根据权利要求1所述的肿瘤类器官癌种识别方法，其特征在于，所述获取待识别类器官的局部明场图像，包括：
3.根据权利要求1所述的肿瘤类器官癌种识别方法，其特征在于，所述通过预部署的肿瘤类器官癌种识别模型对所述待识别类器官的局部明场图像进行癌种识别，得到类器官癌种类别，包括：
4.根据权利要求1所述的肿瘤类器官癌种识别方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的肿瘤类器官癌种识别方法，其特征在于，所述获取培养皿孔位处训练用类器官的局部明场图像以及所述训练用类器官的局部明场图像对应的癌种标签，包括：
6.根据权利要求4所述的肿瘤类器官癌种识别方法，其特征在于，所述根据所述原始数据集构建训练数据集、验证数据集以及测试数据集，包括：
7.根据权利要求4所述的肿瘤类器官癌种识别方法，其特征在于，所述肿瘤类器官癌种识别模型包括深度特征提取器、纹理特征提取器、特征融合模块和多分类模块。
8.一种肿瘤类器官癌种识别装置，其特征在于，所述肿瘤类器官
9.一种电子设备，其特征在于，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至7中任一项所述的肿瘤类器官癌种识别方法。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行权利要求1至7任一项所述的肿瘤类器官癌种识别方法。
...【技术特征摘要】
1.一种肿瘤类器官癌种识别方法，其特征在于，包括：
2.根据权利要求1所述的肿瘤类器官癌种识别方法，其特征在于，所述获取待识别类器官的局部明场图像，包括：
3.根据权利要求1所述的肿瘤类器官癌种识别方法，其特征在于，所述通过预部署的肿瘤类器官癌种识别模型对所述待识别类器官的局部明场图像进行癌种识别，得到类器官癌种类别，包括：
4.根据权利要求1所述的肿瘤类器官癌种识别方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的肿瘤类器官癌种识别方法，其特征在于，所述获取培养皿孔位处训练用类器官的局部明场图像以及所述训练用类器官的局部明场图像对应的癌种标签，包括：
6.根据权利要求4所述的肿瘤类器官癌种识别方法，其特征在于，所述根据所述原...
【专利技术属性】
技术研发人员：罗云锋，雷欢，聂盼，刘海洋，何晓燕，李俊辉，黄璘，
申请(专利权)人：北京嘉士腾医学检验实验室有限公司，
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。