(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221084689 2.1 (22)申请日 2022.07.19 (71)申请人 山东云旗信息科技有限公司 地址 250000 山东省济南市中国(山 东)自 由贸易试验区济南片区彩石街道经十 东路28666号2号楼514室 申请人 透彻影像 （北京） 科技有限公司 　 济南超级计算技术研究院 (72)发明人 张欣欣　王书浩　陈辰　蔡东兴　 孙青　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 李圣梅 (51)Int.Cl. G06F 16/532(2019.01)G06F 16/55(2019.01) G06F 16/583(2019.01) G06V 10/74(2022.01) G06V 20/70(2022.01) G16H 50/70(2018.01) (54)发明名称 基于深度学习的病理图像 检索方法及系统 (57)摘要 本发明提供一种基于深度学习的病理图像 检索方法及系统， 涉及病理图像检索技术领域， 该方法包括： 获取输入的目标病理图像和预先建 立的知识检索库； 其中， 知识检索库包括多条病 理知识， 每条病理知识以病理图像的低层信息特 征和高语义特征作为索引； 提取目标病理图像的 目标低层信息特征和目标高语义特征； 根据目标 低层信息特征和知识检索库中低层信息特征之 间的第一相似度， 以及目标高语义特征和知 识检 索库中高语义特征之间的第二相似度， 确定总体 相似度； 返回知识检索库中与目标病理图像的总 体相似度大于预设相似度阈值的病理知识。 通过 该方式， 可以丰富检索特征， 提高病理图像的检 索准确率， 并且通过 “以图搜图 ”， 提高了病理图 像的检索效率。 权利要求书2页 说明书5页 附图3页 CN 115203448 A 2022.10.18 CN 115203448 A 1.一种基于深度学习的病理图像 检索方法， 其特 征在于， 包括： 获取输入的目标病理图像和预先建立的知识检索库； 其中， 所述知识检索库包括多条 病理知识， 每条病理知识以病理图像的低层信息特 征和高语义特 征作为索引； 提取所述目标病理图像的目标低层信息特 征和目标高语义特 征； 根据所述目标低层信 息特征和知识检索库中低层信 息特征之间的第 一相似度， 以及所 述目标高语义特 征和知识检索库中 高语义特 征之间的第二相似度， 确定总体相似度； 返回知识检索库中与所述目标病理图像的总体相似度大于预设相似度阈值的病理知 识。 2.如权利要求1所述的基于深度学习的病理图像检索方法， 其特征在于， 包括： 利用预 先训练的特征提取模型提取病理图像的低层信息特征和高语义特征； 其中， 所述低层信息 特征为特征提取模型 的指定层输出 的特征图， 经过池化处理所得到的特征向量； 所述高语 义特征为特征提取模型的最后一层输出的特征图， 经过全局平均池化处理所得到的特征向 量。 3.如权利要求2所述的基于深度 学习的病理图像检索方法， 其特征在于， 获取病理图像 数据集； 使用所述病理图像数据集对所构建 的ResNet18分类模型进行分类训练； 当损失函 数的值收敛至预设值时， 将除ResNet18分类模型的最后一层全连接层的其余结构作为特征 提取模型。 4.如权利要求3所述的基于深度 学习的病理图像检索方法， 其特征在于， 采集带有病变 区域的全尺寸数字病理图像， 将其裁切成预设尺寸的子图像集； 将含有病变区域的子图像 标注为正样本， 不含病变区域的标注 为负样本； 对全部样 本进行归一化处理， 将其随机 分为 训练集、 验证集和 测试集； 采用所述训练集对所构建的ResNet18分类模型进行分类训练。 5.如权利要求4所述的基于深度 学习的病理图像检索方法， 其特征在于， 在将含有病变 区域的子图像标注 为正样本， 不含病变区域的标注为负样 本之后， 还包括： 对正样本进行图 像增广处理， 使其样本量与负样本的样本量平衡； 所述图像增广包括但不限于翻转、 镜像、 缩放中的一种或多种。 6.如权利要求1所述的基于深度 学习的病理图像检索方法， 其特征在于， 将所述第 一相 似度和第二相似度进行加权求和， 得到总体相似度。 7.如权利要求1所述的基于深度 学习的病理图像检索方法， 其特征在于， 每条病理知识 包括索引和与所述索引对应的病理信息， 所述病理信息包括： 病变图像、 临床资料、 患者详 情、 取材部位及诊断意见。 8.一种基于深度学习的病理图像 检索系统， 其特 征在于， 包括： 获取模块， 用于获取输入的目标病理图像和预先建立的知识检索库； 其中， 所述知识检 索库包括多条病理知识， 每条病理知识以病理图像的低层信息特征和高语义特征作为索 引； 特征提取模块， 用于提取 所述目标病理图像的目标低层信息特 征和目标高语义特 征； 确定模块， 用于根据 所述目标低层信 息特征和知识检索库中低层信 息特征之间的第 一 相似度， 以及所述 目标高语义特征和知识检索库中高语义特征之间的第二相似度， 确定总 体相似度； 知识返回模块， 用于返回知识检索库中与 所述目标病理图像的总体相似度大于预设相权　利　要　求　书 1/2 页 2 CN 115203448 A 2似度阈值的病理知识。 9.一种计算机设备， 其特征在于， 包括： 处理器、 存储器和总线， 所述存储器存储有所述 处理器可执行 的机器可读指令， 当计算机设备运行时， 所述处理器与所述存储器之间通过 总线通信， 所述机器可读指 令被所述处理器执行时执行如权利要求 1至7任一项 所述的基于 深度学习的病理图像 检索方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器运行时执行如权利要求 1至7任一项 所述的基于深度学习的 病理图像 检索方法的步骤。权　利　要　求　书 2/2 页 3 CN 115203448 A 3