结合多维度特征的病理图像病灶识别方法

• 作者: 胡伟岸 邹俊忠 郭玉成 张见 王蓓
• 来源期刊: 计算机工程与应用
• 关键词: 多维度 深度学习 卷积神经网络 深度可分离 染色校正 病理图像 病灶
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 模式识别与人工智能|Pattern Recognition and Artificial Intelligence
• 页码范围: 144-151
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2001-0126

摘要

长时间的病理图像人工诊断会使医生产生视觉疲劳,误诊和漏诊情况容易发生.针对以上现象,提出一种结合卷积神经网络中多维度特征的方法,快速准确识别出病理图像中的病灶区域.使用感兴趣区提取及图像裁剪获得小尺寸图块数据;使用染色校正的方法以解决图块染色不均,对比度弱等问题;搭建深度学习模型,使用多组深度可分离卷积提取不同尺度的特征,加入残差连接以避免梯度消失,联合不同维度的特征信息以提高特征利用率.实验结果表明,染色校正能够提高预测准确率,上述模型具有参数少、鲁棒性强的特点,最终对病理图像病灶的识别均能达到较高的准确率,假阳性及假阴性均较低,未来将具有广泛的应用前景.