[發(fā)明專利]數(shù)字病理切片目標(biāo)區(qū)域的識(shí)別方法、系統(tǒng)、設(shè)備及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011369917.0
• 申請(qǐng)日: 2020-11-30
• 公開（公告）號(hào): CN112508010A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計(jì)）人: 車拴龍;余霆嵩;劉斯;盧芳;陶康培;李馨;羅丕福;李映華;丘偉松
• 申請(qǐng)（專利權(quán)）人: 廣州金域醫(yī)學(xué)檢驗(yàn)中心有限公司;廣州金域醫(yī)學(xué)檢驗(yàn)集團(tuán)股份有限公司;廣州市金域轉(zhuǎn)化醫(yī)學(xué)研究院有限公司
• 主分類號(hào): G06K9/32
• 分類號(hào): G06K9/32;G06K9/46;G06K9/62;G06T7/00;G06T7/11;G06T7/62
• 代理公司: 深圳中細(xì)軟知識(shí)產(chǎn)權(quán)代理有限公司 44528
• 代理人: 王志強(qiáng)

本發(fā)明實(shí)施例公開了一種數(shù)字病理切片目標(biāo)區(qū)域的識(shí)別方法，通過獲取病理切片掃描圖像；將病理切片掃描圖像輸入預(yù)設(shè)的基于深度學(xué)習(xí)的識(shí)別模型；通過圖像輪廓特征提取子模型提取病理切片掃描圖像的輪廓特征，得到輪廓圖像；通過圖像分割子模型對(duì)輪廓圖像進(jìn)行分割，得到多個(gè)子輪廓圖像；通過圖像分類子模型分別對(duì)多個(gè)子輪廓圖像進(jìn)行分類識(shí)別，得到各個(gè)子輪廓圖像對(duì)應(yīng)的區(qū)域類別；根據(jù)各個(gè)子輪廓圖像的區(qū)域類別確定目標(biāo)區(qū)域圖像，提高了病理切片的掃描效率和掃描質(zhì)量，提高了目標(biāo)區(qū)域圖像的準(zhǔn)確性，減少了數(shù)字病理切片內(nèi)存空間。此外，還提出了一種數(shù)字病理切片目標(biāo)區(qū)域的識(shí)別系統(tǒng)、設(shè)備及介質(zhì)。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種數(shù)字病理切片目標(biāo)區(qū)域的識(shí)別方法、系統(tǒng)、設(shè)備及介質(zhì)。

背景技術(shù)

病理診斷是指通過顯微鏡觀察病理切片，從而診斷疾病。數(shù)字病理，是指通過數(shù)字病理切片掃描儀掃描采集得到高分辨數(shù)字圖像，進(jìn)行高精度多視野無縫隙拼接和處理，得到高分辨率的數(shù)字病理切片。

然而，現(xiàn)有掃描儀掃描數(shù)字病理切片的掃描方法有以下不足：一是通過人工肉眼來選擇掃描的區(qū)域進(jìn)行掃描，這種方式耗費(fèi)人力物力；二是利用掃描儀對(duì)數(shù)字病理切片全面掃描，這樣就會(huì)掃描出來很多空白區(qū)域以及無關(guān)的區(qū)域，從而降低整個(gè)掃描過程的工作效率和掃描質(zhì)量，且數(shù)字病理切片占用空間大。

發(fā)明內(nèi)容

基于此，有必要針對(duì)上述問題，提出一種數(shù)字病理切片目標(biāo)區(qū)域的識(shí)別方法、系統(tǒng)、設(shè)備及介質(zhì)，以提高數(shù)字病理切片的掃描效率和掃描質(zhì)量。

一種數(shù)字病理切片目標(biāo)區(qū)域的識(shí)別方法，所述方法包括：

獲取病理切片掃描圖像；

將所述病理切片掃描圖像輸入預(yù)設(shè)的基于深度學(xué)習(xí)的識(shí)別模型，其中，所述預(yù)設(shè)的基于深度學(xué)習(xí)的識(shí)別模型包括圖像輪廓特征提取子模型、圖像分割子模型和圖像分類子模型；

通過所述圖像輪廓特征提取子模型提取所述病理切片掃描圖像的輪廓特征，得到輪廓圖像；

通過所述圖像分割子模型對(duì)所述輪廓圖像進(jìn)行分割，得到多個(gè)子輪廓圖像；

通過所述圖像分類子模型分別對(duì)所述多個(gè)子輪廓圖像進(jìn)行分類識(shí)別，得到各個(gè)所述子輪廓圖像對(duì)應(yīng)的區(qū)域類別，所述區(qū)域類別包括病理有效區(qū)域、所述污染破碎區(qū)域、所述實(shí)驗(yàn)對(duì)照區(qū)域或所述切片信息區(qū)域中的一種；

根據(jù)各個(gè)所述子輪廓圖像的所述區(qū)域類別確定所述目標(biāo)區(qū)域圖像，其中，所述目標(biāo)區(qū)域圖像包括病理有效區(qū)域、污染破碎區(qū)域、實(shí)驗(yàn)對(duì)照區(qū)域及切片信息區(qū)域中的至少一種區(qū)域類別的圖像。

一種數(shù)字病理切片目標(biāo)區(qū)域的識(shí)別系統(tǒng)，所述系統(tǒng)包括：

獲取模塊，用于獲取病理切片掃描圖像；

處理模塊，用于將所述病理切片掃描圖像輸入預(yù)設(shè)的基于深度學(xué)習(xí)的識(shí)別模型，其中，所述預(yù)設(shè)的基于深度學(xué)習(xí)的識(shí)別模型包括圖像輪廓特征提取子模型、圖像分割子模型和圖像分類子模型；

提取模塊，用于通過所述圖像輪廓特征提取子模型提取所述病理切片掃描圖像的輪廓特征，得到輪廓圖像；

分割模塊，用于通過所述圖像分割子模型對(duì)所述輪廓圖像進(jìn)行分割，得到多個(gè)子輪廓圖像；

識(shí)別模塊，用于通過所述圖像分類子模型分別對(duì)所述多個(gè)子輪廓圖像進(jìn)行分類識(shí)別，得到各個(gè)所述子輪廓圖像對(duì)應(yīng)的區(qū)域類別，所述區(qū)域類別包括病理有效區(qū)域、所述污染破碎區(qū)域、所述實(shí)驗(yàn)對(duì)照區(qū)域或所述切片信息區(qū)域中的一種；

生成模塊，用于根據(jù)各個(gè)所述子輪廓圖像的所述區(qū)域類別確定所述目標(biāo)區(qū)域圖像，其中，所述目標(biāo)區(qū)域圖像包括病理有效區(qū)域、污染破碎區(qū)域、實(shí)驗(yàn)對(duì)照區(qū)域及切片信息區(qū)域中的至少一種區(qū)域類別的圖像。