一种细胞病理图像处理的方法及系统技术方案

本发明专利技术公开了一种细胞病理图像处理的方法及系统，本发明专利技术实施例在实现模糊细胞病理图像清晰化时，在生成式对抗网络基础上，基于优化的生成器损失函数，以及通过添加多尺度判别器的方式，对细胞病理图像进行去模糊模型训练。通过该方法训练得到的去模糊模型对模糊细胞图像进行处理，可得到更加清晰，更加真实的细胞图像。清晰化后的细胞图像有助于细胞病理筛查。

【技术实现步骤摘要】
一种细胞病理图像处理的方法及系统
本专利技术涉及图像处理技术，特别涉及一种细胞病理图像处理的方法及系统。
技术介绍
在医疗筛查中，细胞病理学筛查是最常用的方法之一。随着数字化病理的发展，细胞病理图像不仅为医生的病理筛查提供重要的参考价值，而且在计算机辅助系统中，也发挥着越来越大的作用。因此，能够获得高质量的细胞病理图像便显得尤为重要。但是在实际场景下，由于细胞病理玻片具有一定的厚度，导致采用电子显微镜扫描时，其对焦点往往无法做到全部覆盖，因此在实际细胞病理图像的扫描获取过程中，不可避免的会出现焦点模糊问题。再者，当医生在对细胞病理玻片进行研读时，为了便于后续病理审核，医生会在细胞病理玻片的重点部位进行标记，而该标记信息，往往会造成标记下的细胞病理玻片发生变化，导致后续采用电子显微镜扫描得到的细胞病理图像出现局部区域模糊情况。除此之外，若在细胞病理玻片的制作过程以及保存过程中出现差错，同样也会造成基于细胞病理玻片扫描得到的细胞病理图像的模糊问题。为了能够清楚的判读细胞病理玻片的病理结果，往往需要医生对细胞病理玻片重新扫描，但是这种方式费时费力，并本文档来自技高网...

【技术保护点】
1.一种细胞病理图像处理的方法，其特征在于，包括：/n训练得到生成式对抗网络模型，所述生成式对抗网络模型包括生成器和判别器；/n将细胞病理图像输入到所述生成式对抗网络模型中，进行去模糊化处理；/n所述生成式对抗网络模型输出清晰化后的细胞病理图像。/n

【技术特征摘要】
1.一种细胞病理图像处理的方法，其特征在于，包括：
训练得到生成式对抗网络模型，所述生成式对抗网络模型包括生成器和判别器；
将细胞病理图像输入到所述生成式对抗网络模型中，进行去模糊化处理；
所述生成式对抗网络模型输出清晰化后的细胞病理图像。


2.如权利要求1所述的方法，其特征在于，所述将细胞病理图像输入到所述生成式对抗网络模型包括：
将扫描的细胞病理图像切分为若干个图像patch块；
对切分的每个patch图像进行模糊、清晰及干扰物的三分类，得到模糊的patch图像后，输入到生成式对抗网络模型中。


3.如权利要求1所述的方法，其特征在于，所述训练得到生成式对抗网络模型包括：
采用高斯模糊处理方式对清晰的细胞病理图像进行模糊化处理，得到训练样本；
将训练样本输入到生成器中，所述生成器由引入了特征金字塔网络FPN结构的InceptionResnetv2网络构成，由所述生成器进行训练样本的去模糊处理训练；
将去模糊处理后的生成图像输入到所述判别器，基于去模糊处理的生成图像与清晰的细胞病理图像之间的差异，训练该判别器。


4.如权利要求3所述的方法，其特征在于，所述生成器中的知觉损失函数采用
L′p＝LpL1_vgg19+LpL2_vgg19+LpL1_inception+LpL2_inception；其中，
LpL1_vgg19和LpL2_vgg19为基于vgg19网络结构的知觉损失函数，分别计算的去模糊后的生成图像和清晰的细胞病理图像在vgg19网络特征之间的L1损失和L2损失，LpL1_inception和LpL2_inception分别计算的生成图像和清晰图像在InceptionResnetv2网络特征之间的L1损失和L2损失。


5.如权利要求3所述的方法，其特征在于...

【专利技术属性】
技术研发人员：杨志明，
申请(专利权)人：深思考人工智能科技上海有限公司，
类型：发明
国别省市：上海;31