一种病理图像处理方法及装置制造方法及图纸

本发明专利技术公开了一种病理图像处理方法及装置，方法包括：基于语义分割模型分割病理图像，得到第一分割结果，语义分割模型基于深度学习网络；基于粒子滤波分割病理图像，得到第二分割结果；计算第一分割结果和第二分割结果，得到平均值和对应的第三分割结果；基于分类网络处理第三分割结果，得到最终分割结果。装置用于执行对应方法。本发明专利技术实施例通过语义分割和粒子滤波分割，能够识别并分割病理图像中的细胞；通过求平均值的方式，能够合理的降低识别的误差和提高分割的效果；通过分类网络能够降低识别的假阳性，提高识别准确率。

【技术实现步骤摘要】
一种病理图像处理方法及装置
本专利技术涉及图像处理
，尤其是一种病理图像处理方法及装置。
技术介绍
通过对细胞的培养个和观察，能够提供重要的生物学的研究素材。细胞的外形、细胞分泌物的物理和化学性质、细胞分裂情况等相关的参数，能够指导研究人员获得对应的成果。这些成果可以应用于生物、制药和医疗等领域，以造福人类社会。针对病理图像的解析，即对细胞的图像的研究，能够帮助研究员深化对病理的研究。其中，癌症，例如乳腺癌，是人类主要的的死亡原因之一。乳腺癌的早期发现、早期诊断是提高疗效的关键。在乳腺癌分级中，有丝分裂的数量是一个重要的参数。然而，手动对有丝分裂进行计数对于病理学家是一件非常繁琐、枯燥的工作。并且，在这个过程中也有很多困难，诸如存在凋亡细胞、淋巴细胞等与有丝分裂细胞相似的细胞干扰对有丝分裂细胞的计数工作。而在病理切片扫描仪出现后，传统的病理切片转换成数字病理切片，自动检测有丝分裂逐渐受到越来越多人的关注。常规的检测算法，例如CNN只能进行简单的分类；而FCN虽可以解决语义级别的图像分割问题，实现图像到图像，但是其得到的结果本文档来自技高网...

【技术保护点】
1.一种病理图像处理方法，其特征在于，包括：/n基于语义分割模型分割病理图像，得到第一分割结果，所述语义分割模型基于深度学习网络；/n基于粒子滤波分割病理图像，得到第二分割结果；/n计算所述第一分割结果和所述第二分割结果，得到平均值和对应的第三分割结果；/n基于分类网络处理所述第三分割结果，得到最终分割结果。/n

【技术特征摘要】
1.一种病理图像处理方法，其特征在于，包括：
基于语义分割模型分割病理图像，得到第一分割结果，所述语义分割模型基于深度学习网络；
基于粒子滤波分割病理图像，得到第二分割结果；
计算所述第一分割结果和所述第二分割结果，得到平均值和对应的第三分割结果；
基于分类网络处理所述第三分割结果，得到最终分割结果。


2.根据权利要求1所述的一种病理图像处理方法，其特征在于，所述深度学习网络包括U-Net网络。


3.根据权利要求1所述的一种病理图像处理方法，其特征在于，所述分类网络包括Xception网络。


4.根据权利要求1至3任一项所述的一种病理图像处理方法，其特征在于，所述基于分类网络处理所述第三分割结果，包括：
基于分类网络和特征筛选，处理所述第三分割结果以降低假阳率。


5.根据权利要求4所述的一种病理图像处理方法，其特征在于，所述病理图像为乳腺癌的细胞图像，对应的，
所述第一分割结果、第二分割结果和第三分割结果为细胞的识别和图像分割。


6.一种病理图像处理装...

【专利技术属性】
技术研发人员：高毅，淳露婷，陶丽丽，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44