基于机器学习的病理切片质量评价方法及相关设备技术

本发明专利技术实施例公开了一种基于机器学习的病理切片质量评价方法，通过获取病理切片图像，对病理切片图像进行数字化扫描，生成数字病理切片图像；对数字病理切片图像的问题区域进行识别，得到待评价病理切片图像；通过预设的基于机器学习的质量分类器对待评价病理切片图像的质量进行分类，得到质量类别，实现了对病理切片质量的自动评估，提高了对病理切片质量评价得的准确性和客观性。此外，还提出了一种基于机器学习的病理切片质量评价系统、计算机设备及存储介质。

【技术实现步骤摘要】
基于机器学习的病理切片质量评价方法及相关设备
本专利技术涉及计算机
，尤其涉及一种基于机器学习的病理切片质量评价方法及相关设备。
技术介绍
病理切片的制作，需要经过取材、固定、脱水透明、浸蜡、包埋、切片、贴片、染色和封片等多个环节步骤。其中很多步骤受到人为操作、机器运行模式、试剂的新鲜质量程度等多因素的影响。因此，任何一个环节的不规范或者差异性均可能造成后期的病理切片的质量问题。病理切片的质量，严重影响了病理诊断，如果因为切片质量的不佳，严重时可造成漏诊和误诊。随着数字病理扫描切片的应用，远程数字病理诊断和计算机辅助诊断系统的发展，更是加速了数字病理切片技术的发展，然而，数字病理切片对常规的病理切片质量的要求也越来越高了。轻微的或一般性的数字病理切片，可能对传统粗放的人工评价影响程度不易评价，但对于远程数字病理切片和计算机辅助病理诊断系统来说，可能会造成严重的系统性偏差，给临床应用带来安全隐患。现有的对于病理切片质量的评价工作，以人为评价为主。一部分为病理技术员进行评价，另一部分是病理医生来评价。在医院和检测机构，一般为抽样性的室内评价，仅可以评价少量的病理切片质量，而且对于一般性质量问题，往往忽视掉了，给后续的病理诊断工作带来了安全隐患。另外，对于抽样量大或全部的病理切片的评价，耗时耗力，存在较大的人为主观性，影响病理切片质量评价的准确性。
技术实现思路
基于此，有必要针对上述问题，提出一种基于机器学习的病理切片质量评价方法、系统、计算机设备及存储介质，以提高对病理切片质量评价得客观性和准确性。一种基于机器学习的病理切片质量评价方法，所述方法包括：获取病理切片图像，对所述病理切片图像进行数字化扫描，生成数字病理切片图像；对所述数字病理切片图像的问题区域进行识别，得到待评价病理切片图像；通过预设的基于机器学习的质量分类器对所述待评价病理切片图像的质量进行分类，得到质量类别。一种基于机器学习的病理切片质量评价系统，所述系统包括：扫描模块，用于获取病理切片图像，对所述病理切片图像进行数字化扫描，生成数字病理切片图像；识别模块，用于对所述数字病理切片图像的问题区域进行识别，得到待评价病理切片图像；评价模块，用于通过预设的基于机器学习的质量分类器对所述待评价病理切片图像的质量进行分类，得到质量类别。一种设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：获取病理切片图像，对所述病理切片图像进行数字化扫描，生成数字病理切片图像；对所述数字病理切片图像的问题区域进行识别，得到待评价病理切片图像；通过预设的基于机器学习的质量分类器对所述待评价病理切片图像的质量进行分类，得到质量类别。一种计算机可读介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：获取病理切片图像，对所述病理切片图像进行数字化扫描，生成数字病理切片图像；对所述数字病理切片图像的问题区域进行识别，得到待评价病理切片图像；通过预设的基于机器学习的质量分类器对所述待评价病理切片图像的质量进行分类，得到质量类别。上述基于机器学习的病理切片质量评价方法、系统、计算机设备及存储介质，通过获取病理切片图像，对所述病理切片图像进行数字化扫描，生成数字病理切片图像；对所述数字化病理切片的问题区域进行识别，得到待评价病理切片图像；通过预设的基于机器学习的质量分类器对所述待评价病理切片图像的质量进行分类，得到质量类别，通过机器学习模型对病理切片图像质量进行自动化评价，提高了病理质量评价得准确性和客观性。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一些实施例，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，还可以根据这些附图获得其他的附图。其中：图1为一个实施例中基于机器学习的病理切片质量评价方法的流程图；图2为一个实施例中待评价病理切片图像获取方法的流程图；图3为另一个实施例中基于机器学习的病理切片质量评价方法的流程图；图4为又一个实施例中基于机器学习的病理切片质量评价方法的流程图；图5为一个实施例中基于机器学习的病理切片质量评价方法的流程图；图6为一个实施例中质量分类器训练方法的流程图；图7为再一个实施例中基于机器学习的病理切片质量评价方法的流程图；图8为一个实施例中基于机器学习的病理切片质量评价系统的结构框图；图9为一个实施例中计算机设备的结构框图。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作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。如图1所示，在一个实施例中，提供了一种基于机器学习的病理切片质量评价方法，该基于机器学习的病理切片质量评价方法既可以应用于终端，也可以应用于服务器，本实施例以应用于服务器举例说明。该基于机器学习的病理切片质量评价方法具体包括以下步骤：步骤102，获取病理切片图像，对病理切片图像进行数字化扫描，生成数字病理切片图像。其中，病理切片图像是对人体或人体某部分内部组织以HE染色、巴氏染色、特殊染色、免疫组化、免疫荧光或者电子显微镜等非侵入方式取得的图像，用于结合临床资料进行病理学诊断确定疾病的良恶性、类型分组、恶性程度、判断预后、指导临床治疗等。数字病理切片图像是指将病理切片以数字图像的方式进行显示、保存的病理切片图像。具体地，可以通过数字病理扫描仪对活检样本的病理切片图像进行数字扫描后获取得到。以便后续基于该数字病理切片图像进行进一步处理。步骤104，对数字病理切片图像的问题区域进行识别，得到待评价病理切片图像。其中，问题区域是指数字病理切片中质量不满足预设条件的部分图像，例如，数字病理切片图像对应的病理切片的细胞核、浆染色不清，或者数字病理切片图像对应的病理切片的厚度不满足条件的问题区域等。可以理解地，在利用数字病理切片图像进行疾病诊断时，如果数字病理切片图像存在问题区域，即数字病理切片质量不满足预设条件，则会影响病理诊断，导致漏诊和误诊，因此，本实施例中，采用计算机视觉技术，对数字病理切片图像中的问题区域进行识别和提取，得到待评价病理切片图像。具体地，可以根据数字病理切片图像的像素大小与预设像素值确定问题区域，即可得到待评价病理切片图像。步骤106，通过预设的基于机器学习的质量分类器对待评价病理切片图像的质量进行分类，得到质量类别。其中，质量类别是用于作为反映病理切片质量问题类型的指标数据，在一具体实施方式中，该问题类别包括但不限于是细胞核、浆本文档来自技高网...

【技术保护点】
1.一种基于机器学习的病理切片质量评价方法，其特征在于，包括：/n获取病理切片图像，对所述病理切片图像进行数字化扫描，生成数字病理切片图像；/n对所述数字病理切片图像的问题区域进行识别，得到待评价病理切片图像；/n通过预设的基于机器学习的质量分类器对所述待评价病理切片图像的质量进行分类，得到质量类别。/n

【技术特征摘要】
1.一种基于机器学习的病理切片质量评价方法，其特征在于，包括：
获取病理切片图像，对所述病理切片图像进行数字化扫描，生成数字病理切片图像；
对所述数字病理切片图像的问题区域进行识别，得到待评价病理切片图像；
通过预设的基于机器学习的质量分类器对所述待评价病理切片图像的质量进行分类，得到质量类别。


2.根据权利要求1所述的基于机器学习的病理切片质量评价方法，其特征在于，所述对所述数字化病理切片的问题区域进行识别，得到待评价病理切片图像，包括：
将所述数字病理切片图像进行二值化处理，得到灰度图像；
从所述灰度图像中提取出灰度值不满足预设灰度阈值的问题区域作为待评价病理切片图像。


3.根据权利要求1所述的基于机器学习的病理切片质量评价方法，其特征在于，在所述对所述数字化病理切片的问题区域进行识别，得到待评价病理切片图像之前，还包括：
将识别出的所述问题区域图像发送至专家审核端进行审核；
将审核后反馈的问题区域图像确定为所述待评价病理切片图像。


4.根据权利要求1所述的基于机器学习的病理切片质量评价方法，其特征在于，在所述得到质量类别之后，还包括：
获取所述待评价病理切片图像的目标质量类别，从预设质量类别与改进措施的对应关系表中确定与所述目标质量类别对应的目标改进措施；
按照所述目标改进措施对所述待评价病理切片图像对应的病理切片，得到目标病理切片。


5.根据权利要求1所述的基于机器学习的病理切片质量评价方法，其特征在于，所述方法还包括：
获取训练样本集，所述训练样本集中包括多个训练问题区域图像和对应的训练质量类别；
将所述训练问题区域图像作为预设的分类器的输入，将所述训练质量类别作为期望的输出，对预设的分类器进行训练，得到训练完成的所述质量分类器。


6.根据权利要求5所述的基于机器学习的病理切片质量评价方法，其特征在于，所...

【专利技术属性】
技术研发人员：车拴龙，钟学军，刘柱新，黄景林，罗丕福，张志魁，江耿跃，苏丽珠，黎锋，
申请(专利权)人：广州金域医学检验中心有限公司，广州金域医学检验集团股份有限公司，
类型：发明
国别省市：广东;44