数字病理切片质量的实时监控方法及系统、计算机设备技术方案

本发明专利技术公开一种数字病理切片质量的实时监控方法及系统、计算机设备，该方法通过构建的质量检测模型可全自动实时对样本玻片各个视野局部显微图像的清晰度、异常状况、染色状况及有效细胞数量进行检测，在可控的范围内进行显微图像模糊修复和染色修复，并获得全玻片数字病理切片的有效细胞总量，实现数字病理切片全方位质量监控。本发明专利技术提供的方法可嵌入在病理切片扫描仪中，实现快速、稳定、全自动、大批量玻片样本扫描，在样本玻片各个视野依次扫描过程中对获得的局部显微图像进行质量检测，质量检测合格的图像经过病理切片扫描仪无缝拼接生成全视野、高分辨率的数字切片图像，最后通过计算机辅助诊断系统进行病理诊断或病理医生进行人工阅片。

【技术实现步骤摘要】
数字病理切片质量的实时监控方法及系统、计算机设备
本专利技术涉及数字图像处理
，尤其是一种数字病理切片质量的实时监控方法及系统、计算机设备。
技术介绍
近年来，随着病理学和计算机技术的快速发展，数字病理切片广泛应用于临床诊断和病理学研究领域。利用图像处理算法和机器学习方法对数字病理切片进行处理和分析，可以辅助病理医生快速诊断，对计算机自动诊断有很大的参考价值。数字病理切片是通过扫描仪将样本玻片转化为数字切片获得的，可通过计算机进行显示，供计算机辅助诊断系统和病理医生进行阅片分析。由于切片制作以及扫描过程存在的各种不确定因素，利用扫描仪获得的数字病理切片可能存在染色深浅不一致、有效细胞数量较少、杂质干扰、局部模糊等问题。数字病理切片质量的好坏直接影响病理医生阅片结果及计算机辅助诊断的准确性。在数字病理切片进行后续分析识别前需要对其进行质量检测，从而保证人工阅片或辅助诊断的准确性和可靠性。现有的数字病理切片质量检测方法大多依赖人眼观察判断，但是数字病理切片的尺寸非常大，人工判断整个切片需要花费较长的时间，而且人工评价图像的标准难以统一，导致人工评价的稳定性和准确性较差。此外，考虑到不合格玻片类型多且复杂，若只通过部分切片数据进行人为的特征分析是不全面的。因此需要一种能高效检测数字病理切片质量的方法，并将这种方法应用于病理切片扫描仪，实现数字病理切片质量实时监控。
技术实现思路
本专利技术提供一种数字病理切片质量的实时监控方法及系统、计算机设备，用于克服现有技术中稳定性和准确性较差，不能全面、实时的监控数字病理切片质量等缺陷。为实现上述目的，本专利技术提出一种数字病理切片质量的实时监控方法，包括：获取样本玻片当前视野对应的局部显微图像；将所述局部显微图像输入训练好的质量检测模型中，所述质量检测模型包括六个深度卷积神经网络；利用第一深度卷积神经网络对局部显微图像进行清晰度检测，利用第二深度卷积神经网络对模糊可修复的局部显微图像进行模糊修复，利用第三深度卷积神经网络对清晰的局部显微图像进行异常检测，利用第四深度卷积神经网络对正常的局部显微图像进行染色效果检测，利用第五深度卷积神经网络对染色待修复的局部显微图像进行染色修复，利用第六深度卷积神经网络对染色正常的局部显微图像进行有效细胞数量检测，获得当前局部显微图像中有效细胞数量；获取样本玻片下一视野对应的局部显微图像，并输入质量检测模型中进行检测，将检测完成后的局部显微图像与前一视野对应的局部显微图像进行拼接，直至拼接获得全玻片数字病理切片，若全玻片数字病理切片中有效细胞总数量大于等于设定的阈值，则获得的全玻片数字病理切片合格，否则不合格。为实现上述目的，本专利技术还提出一种数字病理切片质量的实时监控系统，包括：模型检测模块，用于获取样本玻片当前视野对应的局部显微图像；将所述局部显微图像输入训练好的质量检测模型中，所述质量检测模型包括六个深度卷积神经网络；利用第一深度卷积神经网络对局部显微图像进行清晰度检测，利用第二深度卷积神经网络对模糊可修复的局部显微图像进行模糊修复，利用第三深度卷积神经网络对清晰的局部显微图像进行异常检测，利用第四深度卷积神经网络对正常的局部显微图像进行染色效果检测，利用第五深度卷积神经网络对染色待修复的局部显微图像进行染色修复，利用第六深度卷积神经网络对染色正常的局部显微图像进行有效细胞数量检测，获得当前局部显微图像中有效细胞数量；获取样本玻片下一视野对应的局部显微图像，并输入质量检测模型中进行检测；监测结果输出模块，用于将检测完成后的局部显微图像与前一视野对应的局部显微图像进行拼接，直至拼接获得全玻片数字病理切片，若全玻片数字病理切片中有效细胞总数量大于等于设定的阈值，则获得的全玻片数字病理切片合格，否则不合格。为实现上述目的，本专利技术还提出一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述所述方法的步骤。为实现上述目的，本专利技术还提出一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的方法的步骤。与现有技术相比，本专利技术的有益效果有：本专利技术提供的数字病理切片质量的实时监控方法，通过构建的质量检测模型可全自动实时对样本玻片的各个视野局部显微图像的清晰度、异常状况、染色状况及有效细胞数量进行检测，在可控的范围内进行显微图像模糊修复和染色修复，并获得全玻片数字病理切片的有效细胞数量统计，实现数字病理切片全方位质量监控。本专利技术提供的实时监控方法可嵌入在病理切片扫描仪中，实现快速、稳定、全自动、大批量玻片样本扫描，在样本玻片各个视野依次扫描过程中对获得的局部显微图像进行质量检测，质量检测合格的图像经过病理切片扫描仪无缝拼接生成全视野、高分辨率的数字切片图像，最后通过计算机辅助诊断系统进行病理诊断或病理医生进行人工阅片。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示出的结构获得其他的附图。图1为本专利技术提供的数字病理切片质量的实时监控方法流程图；图2为本专利技术实施例中第一深度卷积神经网络、第三深度卷积神经网络和第四深度卷积神经网络的结构图；图3为本专利技术实施例中第二深度卷积神经网络和第五深度卷积神经网络的结构图；图4为本专利技术实施例中第六深度卷积神经网络的结构图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。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的一部分实施例，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。另外，本专利技术各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。如图1所示，本专利技术提出一种数字病理切片质量的实时监控方法，包括：101：获取样本玻片当前视野对应的局部显微图像；102：将局部显微图像输入训练好的质量检测模型中，所述质量检测模型包括六个深度卷积神经网络；103：利用第一深度卷积神经网络对局部显微图像进行清晰度检测，利用第二深度卷积神经网络对模糊可修复的局部显微图像进行模糊修复，利用第三深度卷积神经网络对清晰的局部显微图像进行异常检测，利用第四深度卷积神经网络对正常的局部显微图像进行染色效果检测，利用第五深度卷积神经网络对染色待修复的局部显微图像进行染色修复，利用第六深度卷积神经网络对染色正常的局部显微图像进行有效细胞数量检测，获得当前局部显微本文档来自技高网...

【技术保护点】
1.一种数字病理切片质量的实时监控方法，其特征在于，包括：/n获取样本玻片当前视野对应的局部显微图像；/n将所述局部显微图像输入训练好的质量检测模型中，所述质量检测模型包括六个深度卷积神经网络；/n利用第一深度卷积神经网络对局部显微图像进行清晰度检测，利用第二深度卷积神经网络对模糊可修复的局部显微图像进行模糊修复，利用第三深度卷积神经网络对清晰的局部显微图像进行异常检测，利用第四深度卷积神经网络对正常的局部显微图像进行染色效果检测，利用第五深度卷积神经网络对染色待修复的局部显微图像进行染色修复，利用第六深度卷积神经网络对染色正常的局部显微图像进行有效细胞数量检测，获得当前局部显微图像中有效细胞数量；/n获取样本玻片下一视野对应的局部显微图像，并输入质量检测模型中进行检测，将检测完成后的局部显微图像与前一视野对应的局部显微图像进行拼接，直至拼接获得全玻片数字病理切片，若全玻片数字病理切片中有效细胞总数量大于等于设定的阈值，则获得的全玻片数字病理切片合格，否则不合格。/n

【技术特征摘要】
1.一种数字病理切片质量的实时监控方法，其特征在于，包括：
获取样本玻片当前视野对应的局部显微图像；
将所述局部显微图像输入训练好的质量检测模型中，所述质量检测模型包括六个深度卷积神经网络；
利用第一深度卷积神经网络对局部显微图像进行清晰度检测，利用第二深度卷积神经网络对模糊可修复的局部显微图像进行模糊修复，利用第三深度卷积神经网络对清晰的局部显微图像进行异常检测，利用第四深度卷积神经网络对正常的局部显微图像进行染色效果检测，利用第五深度卷积神经网络对染色待修复的局部显微图像进行染色修复，利用第六深度卷积神经网络对染色正常的局部显微图像进行有效细胞数量检测，获得当前局部显微图像中有效细胞数量；
获取样本玻片下一视野对应的局部显微图像，并输入质量检测模型中进行检测，将检测完成后的局部显微图像与前一视野对应的局部显微图像进行拼接，直至拼接获得全玻片数字病理切片，若全玻片数字病理切片中有效细胞总数量大于等于设定的阈值，则获得的全玻片数字病理切片合格，否则不合格。


2.如权利要求1所述的数字病理切片质量的实时监控方法，其特征在于，利用第一深度卷积神经网络对局部显微图像进行清晰度检测，包括：
利用第一深度卷积神经网络对局部显微图像进行清晰度检测，若输出结果为清晰，则将局部显微图像输入第三深度卷积神经网络；
若输出结果为完全模糊，则重新获取当前视野下的局部显微图像，再将重新获得的局部显微图像输入质量检测模型中进行检测；
若输出结果为模糊可修复，则将局部显微图像输入第二深度卷积神经网络。


3.如权利要求1所述的数字病理切片质量的实时监控方法，其特征在于，利用第三深度卷积神经网络对清晰的局部显微图像进行异常检测，包括：
利用第三深度卷积神经网络对清晰的局部显微图像进行异常检测，若输出结果为正常，则将局部显微图像输入第四深度卷积神经网络；
若输出结果为非正常，则舍弃当前样本玻片。


4.如权利要求1所述的数字病理切片质量的实时监控方法，其特征在于，利用第四深度卷积神经网络对正常的局部显微图像进行染色效果检测，包括：
利用第四深度卷积神经网络对正常的局部显微图像进行染色效果检测，若输出结果为染色正常，则将局部显微图像输入第六深度卷积神经网络；
若输出结果为染色待修复，则将局部显微图像输入第五深度卷积神经网络。


5.如权利要求1～4任一项所述的数字病理切片质量的实时监控方法，其特征在于，所述第一深度卷积神经网络、第三深度卷积神经网络和第四深度卷积神经网络结构相同，依次包括：
1个卷积层，用于对局部显微图像进行特征提取，获得特征图；
8个残差学习单元，所述残差学习单元包括2个卷积层，上一个卷积层的输入端与下一个卷积层的输出端之间设有短路连接；所述残差学习单元用于对特征图进行深度特征提取，获得分类特征；
输出层，包括全连接层和softmax层，用于...

【专利技术属性】
技术研发人员：向北海，张建南，许会，
申请(专利权)人：湖南国科智瞳科技有限公司，
类型：发明
国别省市：湖南;43