[發明專利]一種切片圖像處理方法

在審

• 申請號: 202110793795.6
• 申請日: 2021-07-14
• 公開（公告）號: CN113488144A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 張捷;石勝軍;郭世政;林小卿
• 申請（專利權）人: 深圳市東億健康服務有限公司
• 主分類號: G16H30/20
• 分類號: G16H30/20;G16H30/40;G06F16/51;G06F16/535;G06N3/08
• 代理公司: 深圳深知通專利代理事務所(普通合伙) 44783
• 代理人: 高真輝

1.一種切片圖像處理方法，其特征在于，包括：

獲取數字病理圖像，并對所述數字病理圖像進行切片，確定切片圖像；

基于預設的智能終端，識別切片圖像中的圖像元素是否為異常病變，并將圖像元素為異常病變的切片圖像進行標記和篩選，確定標記切片圖像；

識別并提取標記切片圖像的特征信息，并根據所述特征信息，建立索引樹；

采集索引樹的索引關系，根據所述索引關系，抓取預設的大數據平臺中的節點，將所述標記切片圖像傳輸并存儲至所述節點。

2.如權利要求1所述的一種切片圖像處理方法，其特征在于，所述獲取數字病理圖像，并對所述數字病理圖像進行切片，確定切片圖像，包括：

獲取數字病理圖像，基于預設的切片規格，設定分割過程中小塊之間的分割大小尺寸；

基于所述分割大小尺寸，對所述數字病理圖像進行切割，并在切割過程中，按照切割順序，對圖像切片標注順序號，確定切片圖像。

3.如權利要1所述的一種切片圖像處理方法，其特征在于，基于預設的智能終端，識別切片圖像中的圖像元素是否為異常病變，包括：

基于預設的智能終端，識別切片圖像中的圖像元素；其中，

所述圖像元素包括區域元素和待檢測區域的圖像元素；

基于預設的深度學習檢測算法，對所述切片圖像進行訓練處理，并根據預設的診斷閾值，判斷圖像元素中的待檢測區域元素是否為異常病變，確定判斷結果；

當所述判斷結果為所述圖像元素中的待檢測區域正常，將正常的切片圖像壓縮并備份；

當所述判斷結果為所述圖像元素中的待檢測區域異常，確定標記切片圖像。

4.如權利要求3所述的一種切片圖像處理方法，其特征在于，所述判斷圖像元素中的待檢測區域元素是否為異常病變，確定標記切片圖像之后還包括：

識別所述切片圖像中的待檢測區域，記錄并標記切片圖像對應的病變位置，確定處理切片圖像；

獲取處理切片圖像對應的順序號；

基于預設的圖像畫質閾值，按照所述順序號，對處理切片圖像進行篩選，確定篩選切片圖像；

對所述篩選切片圖像進行降噪和孤立處理，確定標記切片圖像。

5.如權利要4所述的一種切片圖像處理方法，其特征在于，所述識別所述圖像元素中的待檢測區域，記錄并標記切片圖像對應的病變位置，確定處理切片圖像，包括：

識別切片圖像中的待檢測區域，通過預設的圖像識別系統，確定處理切片圖像中的有效區域和無效區域；

基于非極大值抑制，排除重復檢測區域，確定切片級別的細胞檢測數據；

將所述細胞檢測數據傳輸至圖像識別系統，基于預設的深度學習算法，檢測有效區域中病變細胞的病變種類，并對病變細胞的病變種類進行記錄，同時標記病變位置。

6.如權利要5所述的一種切片圖像處理方法，其特征在于，所述識別切片圖像中的待檢測區域，通過預設的圖像識別系統，確定處理切片圖像中的有效區域和無效區域，包括：

步驟A1：通過預設的圖像識別系統，處理所述圖像切片，對圖像切片的區域面積建立檢測模型：

其中，所述圖像切片的尺寸為size*Size，size代表圖像切片的長度，Size代表圖像切片的寬度，代表圖像切片的寬度移動的像素點，θ代表圖像切片的長度移動的像素點，代表移動后的圖像切片的灰度值，為長為寬為θ的像素點的灰度值，w_Q，q代表在圖像切片集合中正在檢測的圖像切片窗口為q，Q代表所有待檢測的圖像切片集合，q∈Q，S(size，Size)代表關于尺寸為size*Size圖像切片的檢測模型；

步驟A2：通過所述檢測模型，建立關于有效區域的響應函數：

其中，S代表檢測模型，G_size代表圖像切片的水平灰度值，G_Size代表圖像切片的垂直灰度值，t(S(size，Size))代表尺寸為size*Size圖像切片的軌跡；

步驟A3：根據所述響應函數，辨別所述圖像切片中的有效區域，并同時確定無效區域。