The invention discloses a panoramic scanning pathological image transfer area segmentation method, including: the pathological panoramic scanning image preprocessing, extraction of organized areas; obtaining training samples set, mark transfer and non transfer section; construction of convolutional neural networks model and model training, the transfer of regional convolutional neural networks model identification panoramic scanning trained in pathological images and non metastatic areas; with calorific value graph panoramic scanning pathological image. The method can provide quantitative diagnostic information for doctors, reduce subjective errors caused by experience observation of slice images, shorten the waiting process of disease analysis, and provide valuable treatment time for patients.
【技术实现步骤摘要】
一种全景扫描病理图像转移区域的自动分割方法
本专利技术涉及一种全景扫描病理图像转移区域的自动分割方法,属于医疗图像处理
技术介绍
乳腺癌是危害妇女健康的主要恶性肿瘤之一,也是我国近几年发病率增长较快的恶性肿瘤之一。传统的乳腺癌转移检测方法主要是依靠病理医生对组织病理切片的诊断,不仅工作量大,而且每个医生的评价标准存在较大的不一致性。由于近年来计算机的存储性能和计算性能的大幅度提高,借助计算机进行诊断已经慢慢流行开来。但是在我国图像处理的技术研究仍然很少,所以研究一套针对病理图像的分析工具十分重要。研究计算机辅助系统(CAD)的目标不是为了完全代替医生,而是为了向医生提供更加准确的客观建议从而提高医生的工作效率,得到更加准确的诊断结果。虽然计算机辅助诊断具有诸多优势,但由于病理组织图像呈现出高度的复杂性使得病理组织图像的自动分析仍然是一个极具有挑战性的研究领域。
技术实现思路
本专利技术的目的在于克服现有技术中的不足,提供一种全景扫描病理图像转移区域的自动分割方法,解决现有技术中肿瘤转移区域的划分存在判定费时费力、判定结果准确率不高的技术问题。为解决上述技术问题,本专利技术所采用的技术方案是:一种全景扫描病理图像转移区域的自动分割方法,包括如下步骤:步骤一:对全景扫描病理图像进行预处理,提取有组织区域;步骤二:获取训练样本集,标记转移部分和非转移部分;步骤三:构建深度卷积网络模型并进行模型训练,采用训练完成的深度卷积网络模型识别全景扫描病理图像中的转移区域和非转移区域;步骤四:用热值图表示全景扫描病理图像。步骤一的具体方法如下:将全景扫描病理图像在低倍 ...
【技术保护点】
一种全景扫描病理图像转移区域的自动分割方法,其特征在于,包括如下步骤:步骤一:对全景扫描病理图像进行预处理,提取有组织区域;步骤二:获取训练样本集,标记转移部分和非转移部分;步骤三:构建深度卷积网络模型并进行模型训练,采用训练完成的深度卷积网络模型识别全景扫描病理图像中的转移区域和非转移区域;步骤四:用热值图表示全景扫描病理图像。
【技术特征摘要】
1.一种全景扫描病理图像转移区域的自动分割方法,其特征在于,包括如下步骤:步骤一:对全景扫描病理图像进行预处理,提取有组织区域;步骤二:获取训练样本集,标记转移部分和非转移部分;步骤三:构建深度卷积网络模型并进行模型训练,采用训练完成的深度卷积网络模型识别全景扫描病理图像中的转移区域和非转移区域;步骤四:用热值图表示全景扫描病理图像。2.根据权利要求1所述的全景扫描病理图像转移区域的自动分割方法,其特征在于,步骤一的具体方法如下:将全景扫描病理图像在低倍分辨率下利用Ostu阈值法,排除背景区域,然后将低倍镜下有组织区域对应在全扫描40镜倍下的目标区域提取出来。3.根据权利要求2所述的全景扫描病理图像转移区域的自动分割方法,其特征在于,步骤二的具体方法如下:基于滑动窗口法在全景扫描病理图像中选取转移区域小块和非转移区域小块,将转移区域小块标记为正样本1,非转移区域小块标记为负样本0,获取训练样本集。4.根据权利要求3所...
【专利技术属性】
技术研发人员:徐军,徐海俊,蔡程飞,周超,郎彬,
申请(专利权)人:南京信息工程大学,
类型:发明
国别省市:江苏,32
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。