[发明专利]基于ResNet的宫颈癌TCT数字切片数据分析系统

摘要

本发明公开了一种基于ResNet的宫颈癌TCT数字切片数据分析系统，包括获取患者的TCT玻片扫描图像，对TCT玻片扫描图像进行图像均匀切割，获得多个均匀切割后的图像块；将图像块依次输入到自动编码器提取特征，所提特征进一步输入单类SVM分类器中，提取出属于阳性区域的图像块；对提出的图像块进行预处理并将处理后的图像块输入到训练好的ResNet分类模型，获取图像块的病变置信度，预先设定置信度阈值，将病变置信度高于置信度阈值的图像块确定为阳性区域。本发明对宫颈癌的TCT数字切片图像数据进行检测，与传统的宫颈癌检测方法相比，可节省图像医疗诊断时间以及成本，提升诊疗准确率。

主权项

1.一种基于ResNet的宫颈癌TCT数字切片数据分析方法，其特征在于：包括以下步骤:（1）获取宫颈TCT数字切片图像内的阳性区域，基于获取的阳性区域样本训练自动编码器，得到训练好的自动编码器，所述阳性区域为病变区域；（2）将步骤（1）获取的阳性区域输入到训练好的自动编码器，获得阳性区域中的阳性特征，将多个阳性区域中的阳性特征作为样本对单类SVM分类器进行训练，得到训练好的单类SVM分类器，所述阳性特征为病变特征；（3）获取宫颈TCT数字切片图像内的阳性区域和宫颈TCT数字切片图像内的阴性区域，将多个阳性区域作为正样本，多个阴性区域作为负样本，对ResNet分类模型进行训练，得到训练好的ResNet分类模型，所述阴性区域为正常区域；（4）获取患者的TCT玻片扫描图像，对TCT玻片扫描图像进行图像均匀切割，获得多个均匀切割后的图像块；（5）将所有的图像块输入到训练好的自动编码器内从而提取特征，所提的特征进一步输入单类SVM分类器中，从而提取出属于阳性区域的图像块，上述提取出的所有的图像块均判断为疑似阳性区域；（6）对步骤（5）提取的图像块进行预处理并将处理后的图像块输入到训练好的ResNet分类模型，获取图像块的病变置信度，预先设定置信度阈值，将病变置信度高于置信度阈值的图像块判断为阳性区域。