[發明專利]一種數字細胞病理圖像智能分析方法、系統及裝置

在審

• 申請號: 201910548420.6
• 申請日: 2019-06-24
• 公開（公告）號: CN112132166A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 宋敏敏;楊林;韓鑫;崔磊
• 申請（專利權）人: 杭州迪英加科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/11;G06T7/136;G16H50/20
• 代理公司: 北京博維知識產權代理事務所(特殊普通合伙) 11486
• 代理人: 張倩

1.一種數字細胞病理圖像智能分析方法，其特征在于，包括：

S10，獲取待分析的數字細胞病理圖像數據，并進行預處理；

S20，篩選數字細胞病理圖像數據的非確定陰性區域；

S30，對所述非確定陰性區域內的陽性細胞進行篩選和標注；

S40，輸出標注后的數字細胞病理圖像數據。

2.根據權利要求1所述的一種數字細胞病理圖像智能分析方法，其特征在于，所述數字細胞病理圖像數據為視頻數據或圖片數據，所述步驟S10還包括：將所述視頻數據拆分為多個連續的圖片，篩選出所述圖片中無重疊部分或是重疊部分面積在設定范圍內的若干張圖片，對篩選出的若干張圖片逐一進行預處理。

3.根據權利要求1或2所述的一種數字細胞病理圖像智能分析方法，其特征在于，步驟S20具體包括：

S201，將數字細胞病理圖像數據分割為多個具有相同尺寸的切片單元；

S202，采用陰性區域分類算法模型對每個切片單元進行陰性預測，確定每個切片單元為陰性的概率；

S203：篩選出所述概率小于設定閾值的切片單元作為非確定陰性區域；

所述陰性區域分類算法模型是以若干個經過陰性標注的切片樣本作為第一卷積神經網絡的輸入，訓練得到。

4.根據權利要求1或2所述的一種數字細胞病理圖像智能分析方法，其特征在于，步驟S30具體包括：采用陽性細胞檢測模型對所述非確定陰性區域的陽性細胞進行檢出，并標注出具有陽性細胞的非確定陰性區域及所述陽性細胞的所在位置、陽性細胞的類型和置信度；所述陽性細胞檢測模型是以若干個標注陽性細胞的切片樣本作為第二卷積神經網絡的輸入，訓練得到。

5.權利要求4所述的一種數字細胞病理圖像智能分析方法，其特征在于，步驟S40：輸出標注有非確定陰性區域及非確定陰性區域中陽性細胞所在位置、陽性細胞的類型和置信度的數字細胞病理圖像數據。

6.一種數字細胞病理圖像智能分析裝置，其特征在于，包括：顯示器和一個或多個處理器，所述處理器：

獲取待分析的數字細胞病理圖像數據，并進行預處理；

篩選數字細胞病理圖像數據的非確定陰性區域；

對所述非確定陰性區域內的陽性細胞進行篩選和標注；

將標注后的數字細胞病理圖像數據發送至顯示器進行顯示。

7.根據權利要求6所述的一種數字病理圖像智能分析裝置，其特征在于，所述數字細胞病理圖像數據為視頻數據或圖片數據，如果為視頻數據，則處理器將所述視頻數據拆分為多個圖片數據，篩選出重疊部分面積在設定范圍內的多張圖片數據，對篩選出的多張圖片數據逐一進行預處理。

8.根據權利要求7所述的一種數字病理圖像智能分析裝置，其特征在于，所述處理器包括識別陰性區域的陰性區域分類算法模型，陰性區域分類模型以若干個經過陰性標注的切片樣本作為輸入訓練后得到；

處理器將數字細胞病理圖像數據分割為多個具有相同尺寸的切片單元；

采用陰性區域分類算法模型對每個切片單元進行陰性預測，確定每個切片單元為陰性的概率；

篩選出所述概率小于設定閾值的切片單元作為非確定陰性區域。

9.根據權利要求8所述的一種數字病理圖像智能分析裝置，其特征在于，所述處理器包括陽性細胞檢測模型，陽性細胞檢測模型以若干個標注陽性細胞的切片樣本作為輸入訓練后得到；

處理器采用陽性細胞檢測模型對所述非確定陰性區域的陽性細胞進行檢出，并標注出具有陽性細胞的非確定陰性區域及所述陽性細胞的所在位置、陽性細胞的類型和置信度，將標注有非確定陰性區域、陽性細胞的位置、陽性細胞的類型陽性細胞的類型和置信度的數字細胞病理圖像數據發送至顯示器進行顯示。

10.一種數字細胞病理圖像智能分析系統，其特征在于，包括：

圖像獲取裝置，用于獲取待分析的數字細胞病理圖像數據；

處理器，與所述圖像獲取裝置連接，接收來自圖像獲取裝置的數字細胞病理圖像數據，篩選數字細胞病理圖像數據的非確定陰性區域，再檢出所述非確定陰性區域內的陽性細胞，并對陽性細胞所在位置、陽性細胞的類型和置信度進行標注；

顯示器，與所述處理器連接，用于接收并顯示標注有非確定陰性區域及非確定陰性區域中陽性細胞所在位置、陽性細胞的類型和置信度的數字細胞病理圖像數據。