[發明專利]一種數字病理全切片圖像檢索方法

有效

• 申請號: 201610056048.3
• 申請日: 2016-01-27
• 公開（公告）號: CN105740378B
• 公開（公告）日: 2020-07-21
• 發明（設計）人: 姜志國;麻義兵;張浩鵬;謝鳳英;鄭鈺山
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F16/583
• 分類號: G06F16/583;G16H30/00;G06K9/46;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種數字病理全切片圖像檢索方法，應用于數字病理全切片圖像數據庫，所述方法包括：對數據庫中數字病理全切片圖像提取離散SIFT特征點的位置以及SIFT特征向量；使用LDA模型得到每個SIFT特征點的高層語義特征值；以有重疊的滑窗方法選取備選區域，統計每個備選區域內的所有SIFT特征點的語義特征值得到備選區域的語義表示向量；將查詢圖像視為一個區域，使用相同的方法得到查詢圖像的語義表示向量，計算查詢圖像的語義表示向量與所有備選區域的語義表示向量的余弦距離并對這些距離排序，返回距離最小的若干區域。本發明能為病理醫生提供診斷參考信息，可用于數字病理全切片圖像數據庫管理查詢系統和計算機輔助診斷。

技術領域

一種數字病理全切片圖像檢索方法，屬于數字圖像處理與機器學習領域，特別涉及尺度不變特征變換(Scale-invariant feature transform,SIFT)等數字圖像處理技術，以及基于內容的圖像檢索、潛在狄利克雷分配(Latent Dirichlet Allocation,LDA)等機器學習技術。

背景技術

數字病理全切片圖像(以下簡稱全切片)是將傳統的玻璃病理切片通過全自動顯微鏡或光學放大系統掃描采集得到的大尺寸高分辨數字圖像，是病理醫生在診斷時的重要依據。近年來，隨著病理學和計算機技術的發展，數字病理全切片圖像的數量迅速增長，從全切片數據庫中查找與一張未診斷的小尺寸病理圖像類似的全切片區域對病理醫生有很大診斷參考價值，這需要基于內容的病理圖像檢索系統實現，但是目前基于內容的病理圖像檢索算法大都面向小尺寸病理圖像數據庫，不符合病理切片的存儲習慣。為了解決病理全切片檢索問題進而在計算機輔助診斷起到重大作用，有必要提出一種面向全切片的檢索框架。

針對在全切片數據庫中檢索小圖像時如何選擇備選區域的問題，國內外學者進行了廣泛的研究，目前有三類方法：1、請病理專家在每張全切片中標記備選區域，這種方法結果準確，但需要花費專家的大量時間，在大規模數據庫中無法實現；2、設計算法自動在全切片中選擇備選區域，這種方法受限于選擇算法，可能會丟失重要區域；3、將全切片直接分割為互不重疊的備選區域，這種方法沒有考慮完整結構被分割到多個備選區域的情況，同樣可能丟失重要結構。在沒有準確的區域預選擇方法的前提下，應當考慮盡量多的備選區域。

針對圖像的表示問題，目前有兩類方法：1、直接使用底層特征表示圖像，但是底層特征與人類對圖像理解有很大差異，不能準確概括圖像內容，影響圖像檢索精度；2、語義模型表示圖像，語義模型一般是對底層特征的總結概括，更符合人類思維，提高圖像檢索精度。

發明內容

(一)要解決的技術問題

本發明提供一種數字病理全切片圖像檢索方法，流程如圖1所示。本方法對象為全切片(尺寸巨大，可達100000×100000)數據庫與病理查詢圖像(大小在2000×2000以下)，在線下訓練階段，本方法對數據庫中全切片提取離散SIFT特征點的位置以及SIFT特征向量，并使用LDA模型計算每個SIFT特征向量得到對應的SIFT特征點的語義特征值，然后用有重疊的滑窗方法在全切片中選取備選區域，統計位于每個備選區域內所有SIFT特征點的語義特征值，得到對應備選區域的語義表示向量；在線上檢索階段，本方法將查詢圖像視為一個區域，使用與線下訓練階段相同的方法得到查詢圖像的語義表示向量，然后計算查詢圖像的語義表示向量與所有備選區域的語義表示向量的余弦距離，返回距離最小的若干備選區域，以及這些區域所在的切片和區域在切片中的位置。本發明不需要人工標注即可達到較高檢索準確率，由于數據庫中切片已經附帶的診斷信息可以為查詢圖像的診斷提供參考，所以本發明能用于大型切片數據庫的計算機輔助診斷系統。

(二)技術方案

一種數字病理全切片圖像檢索方法，其特征在于包括以下具體步驟：

步驟一、在線下訓練階段，對數據庫中全切片提取離散SIFT特征點的位置以及SIFT特征向量。