数字病理图像标注方法、装置、计算机设备及存储介质制造方法及图纸

本申请涉及一种数字病理图像标注方法，包括：获取数字病理图像中已标注的目标区域和已标注的非目标区域；根据所述已标注的目标区域和所述已标注的非目标区域确定所述数字病理图像中的待标注区域；将所述待标注区域进行切割，得到多个待标注的小区域图像；将所述多个待标注的小区域图像分别作为预测模型的输入，获取所述预测模型输出的与每个小区域图像对应的预测结果，所述预测模型是基于所述已标注的目标区域和所述已标注的非目标区域进行训练得到的；根据所述每个小区域图像对应的预测结果，对所述每个小区域图像进行标注。本方案只需医生进行少量的标注，便可完成对整个数字病理图像的标注，大大提高了工作效率以及标注准确度。

【技术实现步骤摘要】
数字病理图像标注方法、装置、计算机设备及存储介质
本专利技术涉及数字病理图像标注
，尤其是涉及一种数字病理图像标注方法、装置、计算机设备及存储介质。
技术介绍
病理诊断指病理医生对手术切除的标本通过肉眼观察大体的改变及显微镜下做出诊断。病理诊断是肿瘤诊断的主要方法，是肿瘤诊断的金标准。病理图像通常指病理切片经过HE染色后制作而成的切片。目前通过数字病理扫描仪进行数字化扫描，生产数字病理图像。随着人工智能技术在机器视觉领域的进步与发展。病理学图像不同于一般的自然图像和CT等影像学图像。往往仅有病理医生可以参与标注工作，而国内的病理医生人数稀缺，日常临床工作负荷较重，参与到标注工作中可能人力资源和时间投入都显现出严重的不足。单张病理图像的大小从几百M到十几G左右，病理医生打开图片后，无法实现在短时间内的标注，而且标注区域的轮廓又往往边界不规则及十分复杂，造成了病理医生在人为标注的过程中，无法保证在不同时间、不同人员之间的重复性。同时，在病理图像中，因为部分区域图像清晰度、组织变形、细胞与组织不典型等诸多因素，还会造成少数区域可能无法准确分类的情况出现。因此，如何最大化的降低病理医生投入到图像标注的繁琐工作中的平均时间，并且保证标注数据要求的准确性是现有技术面临的主要问题。
技术实现思路
基于此，有必要针对上述问题，提供一种既可以降低病理医生投入到图像标注的繁琐工作中的平均时间，又能够保证标注数据要求的准确性的数字病理图像标注方法、装置、计算机设备及存储介质。第一方面，本专利技术提供一种数字病理图像标注方法，所述方法包括：获取数字病理图像中已标注的目标区域和已标注的非目标区域；根据所述已标注的目标区域和所述已标注的非目标区域确定所述数字病理图像中的待标注区域；将所述待标注区域进行切割，得到多个待标注的小区域图像；将所述多个待标注的小区域图像分别作为预测模型的输入，获取所述预测模型输出的与每个小区域图像对应的预测结果，所述预测模型是基于所述已标注的目标区域和所述已标注的非目标区域进行训练得到的；根据所述每个小区域图像对应的预测结果，对所述每个小区域图像进行标注。第二方面，本专利技术提供一种病理图像标注装置，所述装置包括：第一获取模块，用于获取数字病理图像中已标注的目标区域和已标注的非目标区域；第二获取模块，用于根据所述已标注的目标区域和所述已标注的非目标区域确定所述数字病理图像中的待标注区域；切割模块，用于将所述待标注区域进行切割，得到多个待标注的小区域图像；预测模块，用于将所述多个待标注的小区域图像分别作为预测模型的输入，获取所述预测模型输出的与每个小区域图像对应的预测结果，所述预测模型是基于所述已标注的目标区域和所述已标注的非目标区域进行训练得到的；标注模块，用于根据所述每个小区域图像对应的预测结果，对所述每个小区域图像进行标注。第三方面，本专利技术提供一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该计算机程序被该处理器执行时，使得该处理器执行如下步骤：获取数字病理图像中已标注的目标区域和已标注的非目标区域；根据所述已标注的目标区域和所述已标注的非目标区域确定所述数字病理图像中的待标注区域；将所述待标注区域进行切割，得到多个待标注的小区域图像；将所述多个待标注的小区域图像分别作为预测模型的输入，获取所述预测模型输出的与每个小区域图像对应的预测结果，所述预测模型是基于所述已标注的目标区域和所述已标注的非目标区域进行训练得到的；根据所述每个小区域图像对应的预测结果，对所述每个小区域图像进行标注。第四方面，本专利技术提供一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时，使得该处理器执行如下步骤：获取数字病理图像中已标注的目标区域和已标注的非目标区域；根据所述已标注的目标区域和所述已标注的非目标区域确定所述数字病理图像中的待标注区域；将所述待标注区域进行切割，得到多个待标注的小区域图像；将所述多个待标注的小区域图像分别作为预测模型的输入，获取所述预测模型输出的与每个小区域图像对应的预测结果，所述预测模型是基于所述已标注的目标区域和所述已标注的非目标区域进行训练得到的；根据所述每个小区域图像对应的预测结果，对所述每个小区域图像进行标注。本申请涉及一种数字病理图像标注方法、装置、计算机设备及存储介质，通过首先获取数字病理图像中已标注的目标区域和已标注的非目标区域，并根据已标注的目标区域和已标注的非目标区域确定所述数字病理图像中的待标注区域；然后将待标注区域进行切割，得到多个待标注的小区域图像，并将多个待标注的小区域图像分别作为预测模型的输入，获取所述预测模型输出的与每个小区域图像对应的预测结果，所述预测模型是基于所述已标注的目标区域和所述已标注的非目标区域进行训练得到的；最后根据每个小区域图像对应的预测结果，对每个小区域图像进行标注。本方案只需医生进行少量的标注，便可完成对整个数字病理图像的标注，最大化的降低病理医生投入到图像标注的繁琐工作中的平均时间的同时，还提高了标注数据要求的准确性。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示出的结构获得其他的附图。图1为一个实施例中数字病理图像标注方法的流程图；图2为一个实施例中数字病理图像标注方法的流程图；图3为又一实施例中数字病理图像标注方法的流程图；图4为一个实施例中数字病理图像标注方法的流程图；图5为一个实施例中数字病理图像标注方法的流程图；图6为一个实施例中数字病理图像标注装置的结构框图；图7为一个实施例中计算机设备的内部结构图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，本专利技术提供一种数字病理图像标注方法，所述方法包括：步骤102，获取数字病理图像中已标注的目标区域和已标注的非目标区域,。其中，数字病理图像是通过数字病理扫描仪对病理图像进行数字化扫描得到的。其中，在进行数字病理图像标注之前，需要先通过病理医生标注出少量的目标区域与非目标区域。可以理解的，在本方案中，目标区域与非目标区域除了可以为任一类型的细胞区域，示例性的，目标区域可以为病变区域，非目标区域可以为非病变区域。步骤104，根据所述已标注的目标区域和所述已标注的非目标区域确定所述数字病理图像中的待标注区域。其中，数字病理图像上的除已标注的目标区域与已标注的非目标区域之外的其它区域即为待标注区域，获本文档来自技高网...

【技术保护点】
1.一种数字病理图像标注方法，其特征在于，所述方法包括：/n获取数字病理图像中已标注的目标区域和已标注的非目标区域；/n根据所述已标注的目标区域和所述已标注的非目标区域确定所述数字病理图像中的待标注区域；/n将所述待标注区域进行切割，得到多个待标注的小区域图像；/n将所述多个待标注的小区域图像分别作为预测模型的输入，获取所述预测模型输出的与每个小区域图像对应的预测结果，所述预测模型是基于所述已标注的目标区域和所述已标注的非目标区域进行训练得到的；/n根据所述每个小区域图像对应的预测结果，对所述每个小区域图像进行标注。/n

【技术特征摘要】
1.一种数字病理图像标注方法，其特征在于，所述方法包括：
获取数字病理图像中已标注的目标区域和已标注的非目标区域；
根据所述已标注的目标区域和所述已标注的非目标区域确定所述数字病理图像中的待标注区域；
将所述待标注区域进行切割，得到多个待标注的小区域图像；
将所述多个待标注的小区域图像分别作为预测模型的输入，获取所述预测模型输出的与每个小区域图像对应的预测结果，所述预测模型是基于所述已标注的目标区域和所述已标注的非目标区域进行训练得到的；
根据所述每个小区域图像对应的预测结果，对所述每个小区域图像进行标注。


2.如权利要求1所述的方法，其特征在于，所述预测模型是基于所述已标注的目标区域和所述非目标区域进行训练得到，包括：
获取训练数字病理图像集，所述训练数字病理图像集中包括多张训练数字病理图像，所述训练数字病理图像中包括已标注的目标区域和已标注的非目标区域；
将所述已标注的目标区域进行切割，得到多张训练目标小区域图像，将所述多张训练目标小区域图像作为正向训练标签集；
将所述已标注的非目标区域进行切割，得到多张训练非目标小区域图像，将所述多张训练非目标小区域图像作为负向训练标签集；
基于所述正向训练标签集和所述负向训练标签集对所述预测模型进行训练，得到训练完成的预测模型。


3.如权利要求1所述的方法，其特征在于，所述预测结果包括：目标区域预测概率和非目标区域预测概率；所述根据所述每个小区域图像对应的预测结果，对所述每个小区域图像进行标注，包括：
获取目标区域预测概率阈值；获取非目标区域预测概率阈值；
根据所述目标区域预测概率阈值、所述目标区域预测概率、所述非目标区域预测概率阈值以及所述非目标区域预测概率对所述每个小区域图像进行标注。


4.如权利要求3所述的方法，其特征在于，所述目标区域预测概率阈值包括目标区域预测概率最大值与目标区域预测概率最小值，所述非目标区域预测概率阈值包括非目标区域预测概率最大值与非目标区域预测概率最小值；所述根据所述目标区域预测概率阈值、所述目标区域预测概率、所述非目标区域预测概率阈值以及所述非目标区域预测概率对所述每个小区域图像进行标注，包括：
若所述目标区域预测概率大于所述目标区域预测概率最大值，且所述非目标区域预测概率小于所述非目标区域预测概率最小值，则将所述小区域图像标注为目标区域；
若所述目标区域预测概率小于所述目标区域预测概率最小值，且所述非目标区域预测概率大于所述非目标区域预测概率最大值，则将所述小区域图像标注为非目标区域。


5....

【专利技术属性】
技术研发人员：车拴龙，余霆嵩，卢芳，罗丕福，李晶，刘斯，李映华，
申请(专利权)人：广州金域医学检验中心有限公司，
类型：发明
国别省市：广东;44