一种基于深度学习的动物病变肝脏病理图像识别方法

摘要

本发明公开了一种基于深度学习的动物病变肝脏病理图像识别方法，该方法包括：采集动物病变肝脏病理图像，建立动物病变肝脏病理数据集；提取肝脏组织区域和边缘轮廓；对U‑net网络进行改进，在训练集和测试集上对改进后的U‑net进行训练，得到组织纤维化分割模型，对纤维化病理子集中的原始图像进行识别并计算纤维化的占比；对NCRF网络进行改进，在训练集和测试集上对改进后的NCRF进行训练，得到肿瘤分割模型，对肿瘤病理子集中的原始图像进行识别并计算肿瘤的个数和占比。本发明针对动物病变肝脏病理图像中纤维化和肿瘤的不同形态特征，采用了不同的深度学习网络，提高了病变肝脏病理分析的能力，为病变肝脏的分期分级和预后预测提供参考。