一种基于显微高光谱成像技术的组织切片分类方法

摘要

本发明提供一种基于显微高光谱成像技术的组织切片分类方法。该方法首先对显微高光谱数据进行预处理，从而消除噪声影响，并消除数据冗余；建立并训练三类卷积神经网络(CNN)模型；其中一维CNN模型实现光谱维的特征提取与分类，二维CNN模型和三维CNN模型分别实现图谱‑光谱维的联合特征提取与分类；针对实际待测显微高光谱图像，通过定量定性分析以及模型输出结果的表决，得到最终分类结果。本发明利用深度学习的卷积神经网络模型对两者进行深层特征的提取与分类，提高整体分类精度与速度的同时，完善了对病理切片的自动化数据采集与分类过程。