[發明專利]一種細胞病理數字圖像質量的評價方法及系統

在審

• 申請號: 202011162801.X
• 申請日: 2020-10-27
• 公開（公告）號: CN112330613A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 楊志明
• 申請（專利權）人: 深思考人工智能科技（上海）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06T5/00;G06N3/04
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 牛崢;王麗琴

本發明公開了一種細胞病理數字圖像質量的評價方法及系統，本發明實施例基于現有的細胞學領域知識，通過注意力模型、卷積神經網絡及循環卷積神經網絡等技術，對細胞病理數字圖像的質量從局部到全局地進行評價，得到了整張圖像的質量評價的可靠性。這樣，本發明實施例在大量可靠標注數據和深度學習技術的支撐下，學習得到細胞病理數字圖像質量的準確評估，且具有優秀的泛化性能，從而能夠為醫生或者人工智能的最終閱片提供有力的支持，避免由于細胞病理數字圖像質量差造成結果的假陰性，從而準確地對細胞病理數字圖像進行評價。

技術領域

本發明涉及圖像處理技術，特別涉及一種細胞病理數字圖像質量的評價方法及系統。

背景技術

數字化病理是指將計算機技術好網絡技術應用于病理學領域，是一種現代數字系統與傳統光學放大裝置有機結合的技術。它通過全自動顯微鏡或光學放大系統掃描采集得到高分辨數字圖像，再應用計算機對得到的圖像自動進行高精度多視野無縫隙拼接和處理，獲得高質量的數字化圖像，應用于病理學的各個領域。

細胞病理數字圖像中的色彩紋理等信息不僅對醫生進行診斷判斷具有很重要的參考價值，而且會直接影響計算機輔助診斷系統的結果。在細胞病理數字圖像的獲取、存儲及顯示等過程中不可避免地會引入一些干擾因素,如噪聲、模糊以及數據部分丟失等,這些都會造成圖像質量的下降。而由于細胞病理數字圖像的質量差就會造成最終判別結果的假陰性。

細胞病理數字圖像質量評價可以分為主觀評價方法和客觀評價方法，其中，主觀評價方法由醫生或使用人員進行主觀評分，即人眼對細胞病理數字圖像的質量進行人工判斷，但其工作量大耗時久，在實際環境中不可行。客觀評價方法是通過計算機根據圖像的梯度及紋理等特征進行計算，從而得到該圖像的失真結果。在細胞病理涂片的制作方面，由于不同病理機構和不同樣本之間制作時工藝不同，會導致不同的細胞病理數字圖像的質量評價方面存在一定的差異，因此目前進行客觀評價時，主要為無參考圖像，針對模糊、噪聲及塊狀效應的嚴重程度進行評價。

在面向特定失真的圖像質量評價研究中,圖像模糊度的評價是無參考圖像質量評價中研究最早、最多的一類方法,廣泛用于相機的自動對焦、圖像增強、復原和壓縮等處理中，但在數字病理領域缺乏相關的成熟應用。傳統算法一般基于某種規則進行，針對不同的掃描設備要進行不同閾值的調整，泛化能力弱，基于機器學習的算法也是由人工進行特征的提取，主要提取灰度梯度信息特征，針對各種環境下由細胞病理涂片得到的細胞病理數字圖像也存在準確度低的情況。

因此，如何對細胞病理數字圖像的質量進行準確評價成為了一個亟待解決的技術問題。

發明內容

有鑒于此，本發明實施例提供了一種細胞病理數字圖像質量的評價方法，該方法能夠準確地對細胞病理數字圖像質量進行評價。

本發明實施例還提供了一種細胞病理數字圖像質量的評價系統，該系統能夠準確地對細胞病理數字圖像進行評價。

本發明實施例是這樣實現的：

一種細胞病理數字圖像質量的評價方法，包括：

采集細胞病理涂片的數字圖像并保存；

將采集的細胞病理數字圖像，切分為設置的若干個圖像片patch，對每個patch進行預處理；

將預處理后的patch輸入到設置的卷積神經網絡中，進行處理，得到細胞病理數字圖像的局部風險評估系數；

將得到的細胞病理數字圖像的局部風險評估系數，采用設置的循環卷積網絡進行全局判斷，得到細胞病理數字圖像的全局風險評估系數。

較佳地，所述細胞病理涂片為液基宮頸細胞涂片，采集的細胞病理數字圖像是宮頸細胞數字圖像時，采集細胞病理涂片的數字圖像包括：