[發明專利]基于深度網絡的結直腸全景數字病理圖像組織分割方法

有效

• 申請號: 201710516329.7
• 申請日: 2017-06-29
• 公開（公告）號: CN107665492B
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 徐軍;蔡程飛;徐海俊;孫明建
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T3/40;G06K9/62;G06N3/08;G06N3/04
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

本發明公開一種基于深度網絡的結直腸全景數字病理圖像組織分割方法，包括以下步驟：（1）獲取結直腸全景數字病理圖片：（2）將結直腸的全景數字圖像分割；（3）訓練樣本圖像的建立；（4）提取不同類別的組織深度特征；（5）利用分類器和提取的組織深度特征對分割圖像中的組織進行類別的判別；（6）將步圖像分類結果拼接，判別出整張圖片的組織分類；（7）按照分塊坐標將圖像進行拼接在一起；本發明對結直腸全景數字病理圖像進行分割，利用滑動窗口和訓練的模型對所有分割圖像依次標記組織類型，同時，利用分類器和提取的組織深度特征對組織進行類別的判別，得到圖像分類結果，分類準確，分類速度快。

技術領域

本發明公開一種基于深度網絡的結直腸全景數字病理圖像組織分割方法，屬于醫學圖像處理領域。

背景技術

目前對病理圖像的分析主要還是通過病理醫生進行評定，然而人工分析的方式又極為耗時且帶有醫生的主觀判斷，經驗不同的醫生之間存在較大的分歧，這就會導致治療不當或者過度治療。再有比較貧困落后的地區由于沒有很好的醫生以及醫療設備使得許多人因錯過治療時間而導致的死亡。

對于病理組織圖像，由于其本身就帶有很多有價值的信息，通過利用病理圖像本身的一些特征，可以對不同的組織病理圖像進行分類。組織病理圖像具有高度的復雜性并且目標眾多，現有的對于結直腸數字病理圖片的研究工作是非常少，一般僅對圖片中的部分類型的組織區域進行檢測的，片面處理圖像，處理結果不準確。

現有對于結直腸全景數字病理圖像的研究目前還沒有對結直腸全景數字病理圖像的研究，一般只是針對局部區域進行分割，例如2016年在Science report發表的Multi-class texture analysis in colorectal cancer histology就是對小范圍的結直腸病理圖片進行多種組織的分割，分割粗糙，準確性差，誤差率較高，僅對圖片中的細胞或者是部分類型的組織區域進行檢測，適用范圍小。

發明內容

本發明的目的在于：本發明公開一種基于深度網絡的結直腸全景數字病理圖像組織分割方法，能夠對結直腸全景數字病理圖片中的多種組織區域進行分割，能夠準確分割出組織類型，組織類型清楚，分割準確。

基于深度網絡的結直腸全景數字病理圖像組織分割方法，包括以下步驟：

(1)獲取放大鏡下結直腸全景數字病理圖片：

(2)將結直腸的全景數字圖像分割成5000*5000的分割圖像，所有分割圖像保留在全景數字圖像中的分塊坐標，利用滑動窗口和訓練的模型對所有分割圖像依次標記組織類型，得到帶有組織類型標記的5000×5000的分割圖像；

(3)訓練樣本圖像的建立：建立深度神經網絡模型中所需的8類組織類型的樣本，樣本大小為150*150；

深度神經網絡模型包括8層；

圖像輸入到網絡，首先是第一層，第一層包含卷積層、激活層和池化層；第二層包括卷積層、激活層和池化層；第三層包括卷積層和激活層；第四層包括卷積層和激活層；第五層包括卷積層、激活層和池化層；第六層和第七層都包括全連接層、激活層和Dropout層；第八層是輸出層，利用Softmax分類器輸出結果；

(4)訓練Alexnet網絡，提取不同組織類型的組織深度特征；

(5)利用分類器和提取的組織深度特征對5000*5000的分割圖像中的組織進行類別的判別，得到圖像分類結果；

(6)將步驟(5)獲取的5000*5000的圖像分類結果拼接，判別出整張圖片的組織分類；

(7)按照分塊坐標將5000*5000的圖像進行拼接在一起，獲得結直腸全景數字病理圖像的分割圖像。