[發(fā)明專利]圖像質(zhì)量評價方法

有效

• 申請?zhí)枺?/td>: 201911331258.9
• 申請日: 2019-12-21
• 公開（公告）號: CN110738658B
• 公開（公告）日: 2020-09-15
• 發(fā)明（設(shè)計）人: 崔燦;宋敏敏;石永華;沈玨偉;徐建紅;楊林
• 申請（專利權(quán)）人: 杭州迪英加科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京博維知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11486
• 代理人: 張倩

1.圖像質(zhì)量評價方法，用于評價病理圖像的質(zhì)量，其特征在于，包括：

判斷所述病理圖像是經(jīng)掃描獲得的數(shù)字病理圖像還是通過安裝在顯微鏡上的顯微攝像頭在高倍視野下對位于顯微鏡鏡頭下的病理切片的畫面進(jìn)行采集獲得的實時采集圖像；

當(dāng)所述病理圖像是數(shù)字病理圖像時，先判斷圖像的成像質(zhì)量，如果成像質(zhì)量差，則結(jié)束圖像質(zhì)量評價，輸出判斷結(jié)果；否則，再判斷圖像的內(nèi)容質(zhì)量，對數(shù)字病理圖像進(jìn)行第二圖像采樣，輸入高倍質(zhì)量判斷模型進(jìn)行內(nèi)容質(zhì)量判斷，高倍質(zhì)量判斷模型輸出判斷結(jié)果；

當(dāng)所述病理圖像是實時采集圖像時，將采集到的實時采集圖像輸入高倍質(zhì)量判斷模型進(jìn)行內(nèi)容質(zhì)量判斷，高倍質(zhì)量判斷模型輸出判斷結(jié)果；所述采集到的實時采集圖像與高倍質(zhì)量判斷模型的訓(xùn)練樣本大小相適應(yīng)；

所述數(shù)字病理圖像的成像質(zhì)量判斷方法，具體包括：對所述數(shù)字病理圖像進(jìn)行第一圖像采樣，采集m1倍率下的低倍圖像樣本，將所述低倍圖像樣本切分為多張大小相同的切分圖像，將多張大小相同的切分圖像輸入低倍質(zhì)量判斷模型進(jìn)行成像質(zhì)量判斷，低倍質(zhì)量判斷模型輸出每張切分圖像的成像質(zhì)量評分，根據(jù)成像質(zhì)量評分，判斷低倍圖像樣本的成像質(zhì)量，輸出判斷結(jié)果。

2.根據(jù)權(quán)利要求1所述的圖像質(zhì)量評價方法，其特征在于，所述低倍質(zhì)量判斷模型進(jìn)行質(zhì)量判斷的方法包括：

在所得每張切分圖像的質(zhì)量評分中取最小值，如果此最小值小于閾值a，則將數(shù)字病理圖像判為掃描質(zhì)量不合格；否則，為掃描質(zhì)量合格。

3.根據(jù)權(quán)利要求1所述的圖像質(zhì)量評價方法，其特征在于，所述數(shù)字病理圖像的內(nèi)容質(zhì)量判斷方法，具體包括：對所述數(shù)字病理圖像進(jìn)行第二圖像采樣，從m2倍率下隨機(jī)采集多個設(shè)定大小的高倍圖像樣本，將所述高倍圖像樣本輸入高倍質(zhì)量判斷模型進(jìn)行內(nèi)容質(zhì)量判斷，輸出判斷結(jié)果。

4.根據(jù)權(quán)利要求3所述的圖像質(zhì)量評價方法，其特征在于，所述高倍質(zhì)量判斷模型進(jìn)行質(zhì)量判斷的方法包括：

將所述多個高倍圖像樣本輸入高倍質(zhì)量判斷模型，高倍質(zhì)量判斷模型輸出每張高倍圖像樣本的質(zhì)量評分，將所得的質(zhì)量評分取平均值，若所得平均值小于閾值b1，則將數(shù)字病理圖像判斷為內(nèi)容質(zhì)量合格；否則，為內(nèi)容質(zhì)量不合格。

5.根據(jù)權(quán)利要求1所述的圖像質(zhì)量評價方法，其特征在于，所述實時采集圖像的內(nèi)容質(zhì)量判斷方法，具體包括：對所述實時采集圖像進(jìn)行圖像采集，將采集的實時采集圖像輸入高倍質(zhì)量判斷模型進(jìn)行內(nèi)容質(zhì)量判別，高倍質(zhì)量判斷模型輸出圖像的質(zhì)量評分，若所述實時采集圖像評分小于閾值b3，則將所述實時采集圖像判斷為內(nèi)容質(zhì)量合格；否則，為內(nèi)容質(zhì)量不合格。

6.根據(jù)權(quán)利要求2所述的圖像質(zhì)量評價方法，其特征在于，所述低倍質(zhì)量判斷模型的訓(xùn)練過程包括：

S10，采集訓(xùn)練數(shù)據(jù)：

獲取若干張數(shù)字病理全場圖，對所述數(shù)字病理全場圖進(jìn)行低倍采樣，獲得放大倍率為m1的數(shù)字病理圖像，將獲得的數(shù)字病理圖像調(diào)整為同樣大小，將每張數(shù)字病理圖像切分為n1張相同大小的子圖像，將所有子圖像根據(jù)成像質(zhì)量分為低倍正樣本和低倍負(fù)樣本；

S11，訓(xùn)練深度學(xué)習(xí)模型：

建立卷積神經(jīng)網(wǎng)絡(luò)作為第一切片質(zhì)量判斷器，采用低倍正樣本和低倍負(fù)樣本進(jìn)行訓(xùn)練，獲得低倍質(zhì)量判斷模型。

7.根據(jù)權(quán)利要求3或4或5所述的圖像質(zhì)量評價方法，其特征在于，所述高倍質(zhì)量判斷模型的訓(xùn)練過程包括：

S20，采集訓(xùn)練數(shù)據(jù)：

獲取若干張數(shù)字病理全場圖，對所述數(shù)字病理全場圖進(jìn)行高倍采樣，獲得放大倍率為m2的數(shù)字病理圖像，將每張數(shù)字病理圖像切分為n2張相同大小的切分圖像，將所有切分圖像根據(jù)內(nèi)容質(zhì)量分為高倍正樣本和高倍負(fù)樣本；

S21，訓(xùn)練深度學(xué)習(xí)模型：

建立卷積神經(jīng)網(wǎng)絡(luò)作為第二切片質(zhì)量判斷器，采用高倍正樣本和高倍負(fù)樣本進(jìn)行訓(xùn)練，獲得高倍質(zhì)量判斷模型。