一种基于JPEG压缩编码的数字病理全切片图像快速分析方法技术

本发明专利技术公开了一种基于JPEG压缩编码的数字病理全切片图像快速分析方法，首先对从远端获取的图像块的JPEG压缩编码进行解码，获得DCT编码矩阵；然后对DCT编码矩阵依次进行空间下采样和频域下采样从而获得全切片图像压缩编码矩阵，最后采用全切片图像压缩编码矩阵构建全切片分析模型，利用构建好的全切片分析模型即可实现数字病理全切片的自动分析。本发明专利技术直接利用JPEG压缩图像解码过程的中间结果生成图片压缩编码矩阵，大幅削减了全切片分块特征提取的计算量，提高了分析速度。

【技术实现步骤摘要】
一种基于JPEG压缩编码的数字病理全切片图像快速分析方法
本专利技术涉及图像分析
，更具体的说是涉及一种基于JPEG压缩编码的数字病理全切片图像快速分析方法。
技术介绍
目前，癌症是人类健康的一大威胁，在医学领域，对于数字病理图像的诊断是癌症诊断过程中至关重要的步骤。医生通过对组织切片扫描得到的数字病理图像进行查看来对癌症进行诊断，并且通过数字病理图像中癌症区域的面积、占比等指标对患者指定相应的治疗方案。随着计算机与显微成像技术的快速发展，数字病理图像的获取更加便捷与快速，适用于数字病理全切片图像的计算机自动分析算法成为近年来该方向的一个研究热点。在算法方面，数字病理图像分辨率远高于自然场景图像，现有计算机视觉算法难以直接处理整张病理图像。现有算法为了处理整张切片，大多采用全切片图像分块处理的方式获取局部特征，达到数据压缩的目的，然后在局部特征的基础上建立模型形成全切片级别的分析结果。其中最常用的局部信息提取模型是卷积神经网络(convolutionalneuralnetwork,CNN)。在应用场景方面，切片数字化技术的不断成熟，基于互联网云平台的数字病理切片会诊、交流平台快速发展，也迫使数字病理计算机自动分析算法向适用于大数据云平台的方向转型。受云端与客户端通信效率限制，当前数字病理切片在云端以图像分块(Tile)配合JPEG压缩编码的形式存储，这也为基于分块CNN的自动算法提供了便利。现有计算机硬件条件无法直接用单一CNN模型直接处理高分辨率数字病理全切片图像，图像块首先以JPEG编码形式下载到服务器中，然后进行JPEG解码获取RGB格式图像块，其中包括霍夫曼反编码、ZigZag反变换、反量化、反离散余弦变换变换(IDCT)，YCbCr到RGB颜色空间反变换几个步骤，然后将RGB格式图像块输入到CNN特征提取网络提取该图像块的特征。使用以上流程提取全切片图像中所有图像块的特征后，按照图像块在全切片中的空间顺序排列成特征矩阵F，最后将F输入到全切片分析模型，完成对全切片的自动分析。但是，在上述整个自动分析流程中，基于CNN的图像块特征提取环节(图1b)的计算量远大于全切片分析模型(图1d)的计算量，实际工程使用中前者的运行时间占全部分析时间的95％～99％左右，该部分产生的高算量严重拖慢了计算机自动分析的时间，使现有方法的运行效率远不能满足医生使用需要，而为了尽量缩减分析时长，现有算法大多依赖GPU计算，但同时大幅提高了自动分析应用部署成本。因此，如何实现减少全切片分块特征提取的计算量，提高分析速度是本领域技术人员亟需解决的问题。
技术实现思路
有鉴于此，本专利技术提供了一种基于JPEG压缩编码的数字病理全切片图像快速分析方法，直接利用JPEG压缩图像解码过程的中间结果，生成全切片图像压缩编码矩阵，代替基于CNN的全切片特征矩阵作为后续全切片分析模型的输入，从而大幅削减全切片分块特征提取的计算量，提高分析速度。为了实现上述目的，本专利技术采用如下技术方案：一种基于JPEG压缩编码的数字病理全切片图像快速分析方法，包括以下步骤：步骤1：获取病理全切片图像，对所述病理全切片图像进行分块获得图像块T＝Ipq，并将所述图像块以JPEG压缩编码的形式存储至云端，其中表示一张像素分辨率为w×h的RGB三通道病理全切片图像；表示组成所述病理全切片图像的第p行第q列的所述图像块，t表示所述图像块的边长；实体切片经过全自动显微镜扫描形成数字全切片图像；数字全切片图像分块，每一块独立压缩成JPEG格式；将JPEG格式的图像快上传到云端存储；步骤2：获取所述病理全切片图像块的JPEG压缩编码，所述JPEG压缩编码依次经过霍夫曼反编码、Zigzag反编码和反量化操作解码至离散余弦变换编码阶段，获得DCT编码矩阵其中，首先对所述JPEG压缩编码J0采用霍夫曼反编码算法，获得Zigzag编码J1；然后对所述Zigzag编码J1使用Zigzag反编码算法获得DCT量化编码J2；最后对所述DCT量化编码J2使用DCT反量化算法，获得DCT编码矩阵D；所述DCT编码矩阵空间尺寸与所述图像块T相同，包含三个通道，存储内容依次为YCbCr颜色空间的Y、Cb和Cr通道的8×8分块DCT编码矩阵；其中，Y、Cb和Cr数据分别表示为令表示第c个通道的8×8分块DCT编码矩阵，其中，c表示通道类型；表示通道c的8×8分块DCT编码矩阵中第i行第j列的DCT编码块，是所述图像块T中对应8×8位置通道c的DCT变换结果；M＝t/8,N＝t/8分别为所述8×8分块DCT编码矩阵Dc中包含编码块的行数和列数；步骤3：对所述DCT编码矩阵进行空域下采样，获得下采样DCT编码矩阵所述DCT编码矩阵D的数据量与所述图像块T相同，为达到数据压缩目的，在空间上对所述DCT编码块进行下采样，下采样操作的目的是将Dc中相邻的4个8×8DCT编码块降采样为1个8×8DCT编码块，最大限度保留有效信息；令分别表示Dc中第i行第j列的编码块、第i行第j+1列的编码块、第i+1行第j列的编码块、第i+1行第j+1列的编码块，也即相邻的4个8×8DCT编码块，为下采样后的通道c的8×8DCT编码块，所述空域下采样具体过程如下：步骤31：计算16×16DCT变换矩阵和8×8DCT变换矩阵公式为：分别将R＝16和R＝8代入公式，获得所述16×16的DCT变换矩阵Z16和苏搜狐8×8DCT变换矩阵Z8，将所述16×16的DCT变换矩阵Z16拆分为四个子矩阵：其中是z16的全低频子矩阵，是z16的低高频子矩阵，是z16的高低频子矩阵、是z16的全高频子矩阵，空域压缩过程只使用全低频子矩阵和低高频子矩阵步骤32：根据8×8分块DCT编码块和全低频子矩阵和低高频子矩阵计算辅助算子P、Q、E、F、U、V，公式如下：其中为8×8DCT变换矩阵z8的转置矩阵；步骤33：根据所述辅助算子计算空域下采样DCT编码矩阵中通道c的第行第列的8×8DCT编码块其中和为下采样后的DCT分块编码中的第行和列的编码块，8×8DCT编码块是通过对所述DCT编码矩阵使用滑窗法进行下采样后得到；步骤34：根据所述步骤31-步骤33对所有满足j＝1,2,...,N/2的第i行第j列的编码块第i行第j+1列的编码块第i+1行第j列的编码块第i+1行第j+1列的编码块进行处理，获得对应的8×8DCT编码块并按照空域下采样后的DCT编码矩阵表示为：分别表示下采样DCT编码矩阵中包含8×8DCT编码块的行数和列数；步骤35：对步骤31-步骤34的下采样过程可循环执行n次，n的取值范围是n＝1，2，...，[log2(t/8)]，其中[*]表示向下取整计算；步骤4：对空域下采样后的DCT编码矩阵进行频域下采样，进一步压缩数据量，获得频域下采样DCT编码矩阵在进行上述DCT编码空域下采样后的数据量为原始DCT编码矩阵D的数据量的1/本文档来自技高网...

【技术保护点】
1.一种基于JPEG压缩编码的数字病理全切片图像快速分析方法，其特征在于，包括以下步骤：/n步骤1：获取病理全切片图像，对所述病理全切片图像进行分块获得图像块T＝I

【技术特征摘要】
1.一种基于JPEG压缩编码的数字病理全切片图像快速分析方法，其特征在于，包括以下步骤：
步骤1：获取病理全切片图像，对所述病理全切片图像进行分块获得图像块T＝Ipq，并将所述图像块以JPEG压缩编码的形式存储至云端，其中表示一张像素分辨率为w×h的RGB三通道病理全切片图像；表示组成所述病理全切片图像的第p行第q列的所述图像块，t表示所述图像块的边长；
步骤2：获取所述病理全切片图像的JPEG压缩编码，所述JPEG压缩编码依次经过霍夫曼反编码、Zigzag反编码和反量化操作解码至离散余弦变换编码阶段，获得DCT编码矩阵
步骤3：对所述DCT编码矩阵进行空域下采样，获得下采样DCT编码矩阵
步骤4：对所述下采样DCT编码矩阵进行频域下采样，获得三维张量C；
步骤5：根据所述三维张量C组建的训练集，利用卷积神经网络训练构建全切片分析模型；
步骤6：将待分析数字病理全切片图像输入所述全切片分析模型，实现自动分析，获得分析结果。


2.根据权利要求1所述的一种基于JPEG压缩编码的数字病理全切片图像快速分析方法，其特征在于，所述步骤2中，所述DCT编码矩阵空间尺寸与所述图像块T相同，包含三个通道，存储内容依次为YCbCr颜色空间的Y、Cb和Cr通道的8×8分块DCT编码矩阵；其中，Y、Cb和Cr数据分别表示为



其中，c表示通道类型；表示通道c的8×8分块DCT编码矩阵中第i行第j列的内容，是所述图像块T中对应8×8位置通道c的DCT变换结果；M＝t/8，N＝t/8分别为8×8分块DCT编码矩阵Dc中包含编码块的行数和列数。


3.根据权利要求2所述的一种基于JPEG压缩编码的数字病理全切片图像快速分析方法，其特征在于，所述步骤3中所述DCT编码矩阵的数据量与所述图像块T相同，在空间上对DCT编码块进行下采样，下采样将所述8×8分块DCT编码矩阵Dc中相邻的4个8×8分块DCT编码块降采样为1个8×8分块DCT编码块，令分别表示所述8×8分块DCT编码矩阵Dc中4个相邻的8×8分块DCT编码块，其中，i表示行，j表示列，令表示下采样DCT编码矩阵中通道c的第行第列的8×8DCT编码块；空域下采样具体过程如下：
步骤31：计算16×16DCT变换矩阵和8×8DCT变换矩阵公式为：



分别将R＝16和R＝8代入公式，获得所述16×16的DCT变换矩阵Z16和苏搜狐8×8DCT变换矩阵Z8，将所述16×16的DCT变换矩阵Z16拆分为四个子矩阵：



其中是z16的全低频子矩阵，是z16的低高频子矩阵，是z16的高低频子矩阵、是z16的全高频子矩阵；
步骤32：根据8×8分块DCT编码块和全低频子矩阵和低高频子矩阵计算辅助算子P、Q、E、F、U、V，公式如下：



E＝(P+Q)/2，F＝(P-Q)/2,






步骤33：根据所述辅助算子计算空域下采样DCT编码矩阵中通道c的第行第列的8×8DCT编码块



步骤34：根据所述步骤31-步骤33对所有满足的第i行第j列的编码块第i行第j+1...

【专利技术属性】
技术研发人员：郑钰山，罗伟，姜志国，张浩鹏，谢凤英，赵丹培，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11