一种HE染色病理图像颜色归一化方法技术

本发明专利技术公开了一种HE染色病理图像颜色归一化方法，先对病理切片图像进行通道分解，得到病理图像，通过建立优化模型，计算最优反卷积矩阵，并利用最优反卷积矩阵对病理图像进行颜色归一化，归一化后不同染色条件下的病理图像的颜色趋于一致，且计算速度快。 1

A color normalization method for HE staining pathological images

The invention discloses a color normalization method for HE staining pathological images. First, the pathological image is decomposed to obtain pathological images. The optimal deconvolution matrix is calculated by establishing an optimized model and the optimal reverse convolution matrix is used to normalize the color of pathological images. After normalization, the diseases under different dyeing conditions are normalized. The color of the image tends to be uniform and the computation speed is fast. One

【技术实现步骤摘要】
一种HE染色病理图像颜色归一化方法
本专利技术涉及图像处理
，更具体的说是涉及一种HE染色病理图像颜色归一化方法。
技术介绍
数字病理全切片是通过专用的扫描成像系统将病理切片转换为可供计算机显示、传输及处理的高倍率大规模数字图像。随着数字病理图像成像技术不断成熟，基于数字病理图像的计算机辅助诊断方法发展迅速。随着研究的深入，辅助诊断方法已向适应多染色平台、扫描平台的病理全切片(WholeSlideImage，WSI)方向发展。然而，受染色剂配比、染色平台、成像平台的影响，来自不同平台的WSI在颜色上的差异很大。这一差异极大的影响了计算机辅助诊断方法的准确度。为了减少这一差异带来的影响，国内外学者在近年提出了多种病理图像颜色归一化方法。其中，苏木精-伊红(HE)染色剂作为病理图像最常用的颜色方法。目前，有学者直接采用自然场景图像颜色增强的方法来对数字病理图像进行归一化，如直方图均衡，直方图标准化，Retinex增强等。这些方法没有考虑病理图像颜色的本质特点，固不能取得满意的病理图像归一化效果。大多数有效的病理图像归一化方法以基于颜色反卷积的染色分离方法作为基础，颜色反卷积算法利用“病理图像的颜色是由有限种染色剂混合而成的”这一先验知识，在光密度空间对病理图像进行线性变换，以分离出独立的颜色成分。然而，颜色反卷积算法需要通过实验的手段测得反卷积参数，且同一组参数无法适应来自不同平台的病理图像。近年，有学者利用细胞核检测算法，在病理图像中检测出细胞核，从而将病理图像中细胞核与细胞质区域进行分类，并以此作为先验，计算得到自适应的颜色反卷积参数。这种方法使颜色反卷积方算法不再依赖实验获得反卷积参数，极大的提高该算法的适应性，从而得到了更好的病理图像归一化效果。但是，该类方法的效果依赖于细胞核检测与分割算法，一旦细胞核检测算法失效，则无法得到合理的归一化效果，且细胞核检测与分割算法的计算量较大，拖慢了整个归一化过程。因此，如何提供一种快速HE染色病理图像颜色归一化方法是本领域技术人员亟需解决的问题。
技术实现思路
有鉴于此，本专利技术提供了一种HE染色病理图像颜色归一化方法，通过优化算法得到最优反卷积矩阵，并利用最优反卷积矩阵对图像进行归一化，归一化后，不同染色条件下的病理图像的颜色趋于一致，且计算速度快。为了实现上述目的，本专利技术采用如下技术方案：一种HE染色病理图像颜色归一化方法，包括：S1：对预先存储好的数字病理切片图像进行通道分解，得到病理图像I(x,y)；其中，IR(x,y)、IG(x,y)、IB(x,y)分别表示病理图像在RGB三个颜色通道内的像素值；S2：建立优化模型，计算最优反卷积矩阵，其具体步骤如下：S21：定义优化变量吸光率矩阵中的每个吸光率向量ms均为一个单位向量，用两个独立的角度变量(αc,βc)表示吸光率向量：则反卷积矩阵由6个独立的角度变量决定，由此定义待优化变量：S22：定义目标函数将待优化变量决定的吸光率矩阵表示为通过计算得到反卷积矩阵利用反卷积矩阵对所述病理图像I(x,y)进行染色分离，公式如下：其中其中，Imax为单通道最大值；表示病理图像I(x,y)的染色成分，分别代表病理图像I(x,y)的H、E、DAB染色剂对应的染色强度；定义损失函数：优化目标函数为：其中，为基本损失函数：为平衡损失函数：为能量损失函数：其中，P(I)表述病理图像I(x,y)中参与上述优化的像素点，在病理图像的非背景区域随机抽取，P(I)表示P(I)中包含像素点的数量，λ为权重系数，γ为平衡系数，ε为能量系数；S23：利用梯度下降算法对目标函数进行求解，得到求解后的最优参数其中，求解时的初始条件为λ,γ,ε为超参数，在优化前预先设定；S24：基于所述最优参数，计算最优的反卷积矩阵，具体包括：根据得到的计算得到优化后的吸光率矩阵：计算最优反卷积矩阵：S3:根据所述最优反卷积矩阵对所述病理图像进行颜色归一化，具体步骤如下：S31：计算归一化矩阵：其中，为理想成像条件下的吸光率矩阵S32：利用归一化矩阵T对所述病理图像进行归一化：即为归一化后的病理图像，其中Oc(x,y)表示病理图像在RGB通道的光密度：Oc(x,y)＝-log10(Ic(x,y)/Imax),c＝R,G,B，Imax为单通道最大值。优选的，所述数字病理切片图像通过切片扫描仪将病理切片扫描到计算机中而得到的。优选的，对目标函数进行求解的方法包括但不限于SGD，SGBM，AdaGrad，AdaDelta或Adam。优选的，对目标函数进行求解的方法推荐使用AdaGrad。优选的，λ＝0.02,γ＝0.82,ε＝0.40经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种HE染色病理图像颜色归一化方法，通过定义优化变量以及损失函数并设定优化目标计算最优参数基于最优参数得到优化后的吸光率矩阵从而得到优化后的反卷积矩阵基于优化后的反卷积矩阵计算归一化矩阵T，并基于归一化矩阵T对图像进行归一化，得到归一化的病理图像。利用本专利技术提供的HE染色病理图像颜色归一化方法对病理图像进行颜色归一化，得到的病理图像的颜色趋于一致，且计算速度快。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1附图为本专利技术提供的一种HE染色病理图像颜色归一化方法的流程图；图2附图为本专利技术提供的建立优化模型计算最优反卷积矩阵的流程图；图3附图为本专利技术提供的根据最优反卷积矩阵对病理图像进行颜色归一化的流程图；图4附图为本专利技术提供的HE染色病理图像颜色归一化方法的效果图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参见附图1，本专利技术实施例公开了一种HE染色病理图像颜色归一化方法，包括：S1：对预先存储好的数字病理切片图像进行通道分解，得到病理图像I(x,y)；其中，IR(x,y)、IG(x,y)、IB(x,y)分别表示病理图像在RGB三个颜色通道内的像素值；S2：建立优化模型，计算最优反卷积矩阵，其具体步骤如下：S21：定义优化变量吸光率矩阵中的每个吸光率向量ms均为一个单位向量，用两个独立的角度变量(αc,βc)表示吸光率向量：则反卷积矩阵由6个独立的角度变量决定，由此定义待优化变量：S22：定义目标函数为了既便于表达，将待优化变量决定的吸光率矩阵表示为通过计算得到反卷积矩阵利用反卷积矩阵对所述病理图像I(x,y)进行染色分离，公式如下：其中，其中，Imax为单通道最大值；表示病理图像I(x,y)的染色成分，分别代表病理图像I(x,y)的H、E、DAB染色剂对应的染色强度；定义损失函数：优化目标函数为：其中，为基本损失函数：HE染色的病理图像没有DAB染色成分，因此，在对HE染色的病理图像进行染色分离时，DAB分量的理想值为0；另一方面，希望本文档来自技高网...

【技术保护点】
1.一种HE染色病理图像颜色归一化方法，其特征在于，包括：

【技术特征摘要】
1.一种HE染色病理图像颜色归一化方法，其特征在于，包括：S1：对预先存储好的数字病理切片图像进行通道分解，得到病理图像I(x,y)；其中，IR(x,y)、IG(x,y)、IB(x,y)分别表示病理图像在RGB三个颜色通道内的像素值；S2：建立优化模型，计算最优反卷积矩阵，其具体步骤如下：S21：定义优化变量吸光率矩阵中的每个吸光率向量ms均为一个单位向量，用两个独立的角度变量(αc,βc)表示吸光率向量：则反卷积矩阵由6个独立的角度变量决定，由此定义待优化变量：S22：定义目标函数将待优化变量决定的吸光率矩阵表示为通过计算得到反卷积矩阵利用反卷积矩阵对所述病理图像I(x,y)进行染色分离，公式如下：其中其中，Imax为单通道最大值；表示病理图像I(x,y)的染色成分，分别代表病理图像I(x,y)的H、E、DAB染色剂对应的染色强度；定义损失函数：定义优化目标函数为：其中，为基本损失函数：为平衡损失函数：为能量损失函数：其中，P(I)表述病理图像I(x,y)中参与上述优化的像素点，在病理图像的非背景区域随机抽取，|P(I)|表示P(I)中包含像素点的数量，λ为权重系数，γ为平衡系数，ε为能量系数；S23：利用梯度下降算法对目标函数进行求解，得到求解后的...

【专利技术属性】
技术研发人员：姜志国，张浩鹏，郑钰山，谢凤英，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11