The invention provides a method for visualizing the cancerous region of a super-high-resolution pathological image. Firstly, the tissue region of a super-high-resolution pathological image to be measured is identified by using an optimal threshold algorithm, and the slices are extracted from the tissue region overlapping, so as to eliminate the unrelated background and reduce the calculation amount and avoid introducing noise. Secondly, the extracted slices are input into the persistent depth neural network model for prediction, and the probability of each slice is constructed into a probability matrix MP. Then, probabilistic probe image H is generated based on probability matrix, and a classification model is trained from H to predict the whole image. Finally, the probabilistic probe image H is visualized as a probabilistic expression of the cancerous region and a contour expression of the cancerous region. The method for visualizing the cancerous region provided by the invention is used for assisting pathologists to analyze and diagnose pathological sections, thereby greatly reducing the workload of pathologists and improving the diagnostic accuracy.
【技术实现步骤摘要】
一种超高分辨率病理图像癌变区域可视化方法
本专利技术涉及超高分辨率病理图像癌变区域可视化方法领域,更具体地,涉及一种超高分辨率病理图像癌变区域可视化方法。
技术介绍
病理学的基本医学任务是,通过研究病理材料得到疾病诊断结果,用以指导患者治疗。由于病理学自身的复杂性,以及病理学数字整体幻灯片图像的分辨率极高的特性,病理医生对病理图像的分析工作耗时耗力且准确率低。已有的应用计算机技术辅助病理图像医学诊断的相关工作成果,大都集中于小尺寸非超高分辨率的医学影像分析,而面对超高分辨率病理图像的诊断与分析任务,往往计算复杂度高,诊断结果无法直观表达,未能从本质上减轻病理医生工作负担。本专利技术采用分割思想,使用基于分块的切片提取方法极大地降低了计算复杂度;采用切片概率到概率矩阵的映射方法构建概率探针图像,并基于概率探针图像使用分类模型进行全图预测,提高了癌变判断准确率;进一步地,采用的可视化方法得到癌变区域概率表达和癌变区域轮廓表达实现癌区定位,使癌变组织得以直观展现,极大地提高了病理医生的诊断效率,减轻了病理医生的工作负担。
技术实现思路
本专利技术提供一种超高分辨率病理图像癌变区域可视化方法,该方法可实现对超高分辨率病理图像进行癌区定位与可视化。为了达到上述技术效果,本专利技术的技术方案如下:一种超高分辨率病理图像癌变区域可视化方法,包括以下步骤:S1:兴趣区域切片提取:采用基于像素RGB值的阈值最优算法将所述图像划分为组织区域和无关背景区域,对组织区域进行分割并提取切片;S2:模型预测及概率矩阵构建:将所述小切片输入卷积神经网络模型进行前向传播获得每张小切片的癌变概 ...
【技术保护点】
1.一种超高分辨率病理图像癌变区域可视化方法,其特征在于,包括以下步骤:S1:兴趣区域切片提取:采用基于像素RGB值的阈值最优算法将所述图像划分为组织区域和无关背景区域,对组织区域进行分割并提取切片;S2:模型预测及概率矩阵构建:将所述小切片输入卷积神经网络模型进行前向传播获得每张小切片的癌变概率,将所得概率按预设更新方法构建概率矩阵;S3:全图预测:基于概率探针图像对超高分辨率病理图像进行全图预测,划分为阳性和阴性两类;S4:预测结果可视化:基于全图预测结果,将概率探针图像映射得到癌变区域概率表达及癌变区域轮廓表达。
【技术特征摘要】
1.一种超高分辨率病理图像癌变区域可视化方法,其特征在于,包括以下步骤:S1:兴趣区域切片提取:采用基于像素RGB值的阈值最优算法将所述图像划分为组织区域和无关背景区域,对组织区域进行分割并提取切片;S2:模型预测及概率矩阵构建:将所述小切片输入卷积神经网络模型进行前向传播获得每张小切片的癌变概率,将所得概率按预设更新方法构建概率矩阵;S3:全图预测:基于概率探针图像对超高分辨率病理图像进行全图预测,划分为阳性和阴性两类;S4:预测结果可视化:基于全图预测结果,将概率探针图像映射得到癌变区域概率表达及癌变区域轮廓表达。2.根据权利要求1所述的超高分辨率病理图像癌变区域可视化方法,其特征在于,所述步骤S1的具体过程是:采用像素RGB值的阈值最优算法获得最优阈值,基于最优阈值对超高分辨率病理图像进行检测,识别组织区域并画出组织区域轮廓外接矩形;以外接矩形的左上角为起始坐标,有重叠地截取分辨率为256*256的切片保存至输入队列。3.根据权利要求2所述的超高分辨率病理图像癌变区域可视化方法,其特征在于,所述步骤S2中,设热度图分辨率对应在样本医学图像金字塔上的Level-K,构建Level-K对应维度的二维全零初始矩阵Mp,将切片输入深度神经网络模型进行前向传播获得相应预测概率,将该概率以对应切片映射至Level-K的中心坐标为索引更新矩阵Mp的相应元素。4.根据权利要求3所述的超高分辨率病理图像癌变区域可视化方法,其特征在于,所述步骤S3中,从训练集概率探针图像提取特征训练一个分类模型,从测试集生成的概率探针图像提取相同...
【专利技术属性】
技术研发人员:王国利,刘力,李亮,徐琰,郭斌,郭雪梅,
申请(专利权)人:中山大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。