一种基于深度学习的肾脏数据分析方法、装置、设备、介质和计算机程序产品

本申请涉及于图像分割，尤其是涉及一种基于深度学习的肾脏数据分析方法、装置、设备、介质和计算机程序产品。

背景技术：

1、目前对于肾移植的肾质量的判断，以前大部分是靠病理医生在光镜下，对其进行观察，然后根据病理医生的知识和经验得出结论，这种方法耗时耗力，效率不高。而且，现有的基于深度学习的常常忽略肾切片图像的全局特征，不够精确。

2、因此，如何提高基于肾脏切片数据分析肾质量的效率以及准确度，是亟需解决的问题。

技术实现思路

1、本申请提供了一种基于深度学习的肾脏数据分析方法，不仅能够对输入的肾切片数据进行自动提取有效特征并分析得到实时性结论，从而实现对肾移植的肾质量进行快速、高效地分析，而且能够提取肾切片数据中的图像的全局特征，提高其质量分析的准确度。

2、为了实现上述目的，本发明采用了如下技术方案:

3、第一方面，本发明提供一种基于深度学习的肾脏数据分析方法，所述方法包括：

4、采集历史的肾脏快速石蜡切片数据；

5、基于u-net网络构建识别模型；

6、基于transformer网络构建全局特征层，在所述识别模型的编码器的卷积层的输出端连接所述全局特征层；

7、将所述历史的肾脏快速石蜡切片数据输入所述识别模型中的编码器，得到第一特征数据，将第一特征数据输入所述全局特征层，得到第二特征数据，将第二特征数据输入所述识别模型的解码器，得到训练结果；

8、使用所述历史的肾脏快速石蜡切片数据重复训练所述识别模型，当训练结果达到预设阈值时，得到训练后的识别模型；

9、采集肾脏快速石蜡切片数据，使用所述训练后的识别模型分割所述肾脏快速石蜡切片数据，得到分割对象，根据所述分割对象分析所述肾的质量。

10、在本申请一较佳的示例中可以进一步设置为，包括：

11、在将第一特征数据输入所述全局特征层后，预处理器将所述第一特征数据中的输入矩阵的每行中绝对值最小的元素置零，得到预处理数据。

12、在本申请一较佳的示例中可以进一步设置为，包括：

13、将所述预处理数据输入所述全局特征层的编码器时，同时输入连接于所述全局特征层的编码器的第一个编码层和最后一个编码层之间的残差连接模块。

14、在本申请一较佳的示例中可以进一步设置为，包括：

15、所述预处理数据输入所述全局特征层的编码器后，经过多头注意力机制处理，得到第一编码器数据；

16、将所述第一编码器数据输入前向网络，得到第二特征数据。

17、在本申请一较佳的示例中可以进一步设置为，包括：

18、在所述预处理数据经过多头注意力机制处理前，进行归一化处理；

19、将所述第一编码器数据输入前向网络前，进行归一化处理。

20、在本申请一较佳的示例中可以进一步设置为，包括：

21、所述解码器将所述第二特征数据进行上采样处理，然后将上采样的结果与对应的编码器的层的特征在通道上进行连接，得到第一解码器数据；

22、将所述第一解码器数据进行卷积处理，得到所述训练结果或分割对象。

23、第二方面，本申请提供一种基于深度学习的肾脏数据分析装置，所述装置包括：

24、训练数据采集模块，用于采集历史的肾脏快速石蜡切片数据；

25、模型构建模块，用于基于u-net网络构建识别模型；基于transformer网络构建全局特征层，在所述识别模型的编码器的卷积层的输出端连接所述全局特征层；

26、模型训练模块，用于将所述历史的肾脏快速石蜡切片数据输入所述识别模型中的编码器，得到第一特征数据，将第一特征数据输入所述全局特征层，得到第二特征数据，将第二特征数据输入所述识别模型的解码器，得到训练结果；使用所述历史的肾脏快速石蜡切片数据重复训练所述识别模型，当训练结果达到预设阈值时，得到训练后的识别模型；

27、输出模块，用于采集肾脏快速石蜡切片数据，使用所述训练后的识别模型分割所述肾脏快速石蜡切片数据，得到分割对象，根据所述分割对象分析所述肾的质量。

28、第三方面，本申请提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项所述的基于深度学习的肾脏数据分析方法的步骤。

29、第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质上存储有程序，其中所述程序被处理器执行时，实现如上述任一项所述的基于深度学习的肾脏数据分析方法。

30、第五方面，本申请提供一种计算机程序产品，包括计算机指令，该计算机指令在被处理器执行时实现如上述任一项所述的基于深度学习的肾脏数据分析方法的步骤。

31、综上，与现有技术相比，本申请实施例提供的技术方案带来的有益效果至少包括：

32、本申请提供的一种基于深度学习的肾脏数据分析方法，其采集历史的肾脏快速石蜡切片数据；基于u-net网络构建识别模型；基于transformer网络构建全局特征层，在所述识别模型的编码器的卷积层的输出端连接所述全局特征层；将所述历史的肾脏快速石蜡切片数据输入所述识别模型中的编码器，得到第一特征数据，将第一特征数据输入所述全局特征层，得到第二特征数据，将第二特征数据输入所述识别模型的解码器，得到训练结果；使用所述历史的肾脏快速石蜡切片数据重复训练所述识别模型，当训练结果达到预设阈值时，得到训练后的识别模型；采集肾脏快速石蜡切片数据，使用所述训练后的识别模型分割所述肾脏快速石蜡切片数据，得到分割对象，根据所述分割对象分析所述肾的质量。本方法通过构建所述识别模型，对肾的石蜡切片数据进行智能识别，得到正常肾小球、硬化肾小球等分割对象，然后基于所述分割对象对肾的质量进行分析，能够对用于肾移植的肾的质量进行快速、高效的判断，有利于大幅度提升临床医生的判断效率。所述方法构建的识别模型不仅使用卷积提取局部特征，还用全局特征层提取全局特征，即使用了基于transformer的新的编码器，使得其能有效获取局部特征和全局特征，相比于经典u-net主要使用卷积操作而导致获取全局特征不足的缺点，所述识别模型不仅获取的特征健壮性更高，而且能够提取肾的图像的全局特征，提高了基于图像对肾进行质量分析的准确度。

技术特征：

1.一种基于深度学习的肾脏数据分析方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的肾脏数据分析方法，其特征在于，包括：

3.根据权利要求2所述的基于深度学习的肾脏数据分析方法，其特征在于，包括：

4.根据权利要求3所述的基于深度学习的肾脏数据分析方法，其特征在于，包括：

5.根据权利要求4所述的基于深度学习的肾脏数据分析方法，其特征在于，包括：

6.根据权利要求5所述的基于深度学习的肾脏数据分析方法，其特征在于，包括：

7.一种基于深度学习的肾脏数据分析装置,其特征在于，包括：

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的基于深度学习的肾脏数据分析方法的步骤。

9.一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程序，其中所述程序被处理器执行时，实现如权利要求1至6中任一项所述的基于深度学习的肾脏数据分析方法。

10.一种计算机程序产品，包括计算机指令，其特征在于，该计算机指令在被处理器执行时实现权利要求1至6所述方法的步骤。

技术总结本申请涉及于图像分割技术领域，尤其是涉及一种基于深度学习的肾脏数据分析方法、装置、设备、介质和计算机程序产品，基于U‑Net网络构建识别模型；基于Transformer网络构建全局特征层，在所述识别模型的编码器的卷积层的输出端连接所述全局特征层；使用历史的肾脏快速石蜡切片数据重复训练所述识别模型，得到训练后的识别模型；采集肾脏快速石蜡切片数据，使用所述训练后的识别模型分割所述肾脏快速石蜡切片数据，得到分割对象，根据所述分割对象分析所述肾的质量。本申请不仅能够对输入的肾数据进行自动提取有效特征并分析得到实时性结论，从而实现对用于肾移植的肾的质量进行快速、高效地分析，而且能够提取肾图像的全局特征，提高基于图像对肾进行质量分析的准确度。技术研发人员：刘丁,刘永光,岑金朋,胡建敏,周洋枢受保护的技术使用者：南方医科大学珠江医院技术研发日：技术公布日：2024/7/29