数字病理切片目标区域的识别方法及系统技术方案

本发明专利技术提供了一种数字病理切片目标区域的识别方法和系统，包括：获取数字病理切片的扫描图像；将所述扫描图像导入预设的标准域进行处理，并通过相关法处理，确定第一目标区域；将所述扫描图像通过图像特征进行处理，并通过特征对比，确定第二目标区域；将所述扫描图像的图像混合特征通过区域和特征混合，确定第三目标区域；判断所述第一目标区域、第二目标区域和第三目标区域是否相同，并在相同时，确定扫描图像的目标区域。扫描图像的目标区域。扫描图像的目标区域。

【技术实现步骤摘要】
数字病理切片目标区域的识别方法及系统


[0001]本专利技术涉及病理切片处理识别
，特别涉及一种数字病理切片目标区域的识别方法及系统。

技术介绍

[0002]目前，病理诊断是指通过显微镜观察病理切片，从而诊断疾病。数字病理，是指通过数字病理切片扫描仪扫描采集得到高分辨数字图像，进行高精度多视野无缝隙拼接和处理，得到高分辨率的数字病理切片。
[0003]然而，现有技术中描数字病理切片虽然扫描方法上有所改进，但是对于病理切片上目标区域进行识别的时候，识别方法大多是采用单一的特征识别的方式去判断出目标区域的所在地，这就导致了目标区域识别的时候存在精确度不够的问题，而病理切片又和人的身体健康相关，所以现有的方法对于目标区域的识别，存在一定的瑕疵。

技术实现思路

[0004]本专利技术提供一种数字病理切片目标区域的识别方法及系统，用以解决现有病理图片目标区域识别存在瑕疵的情况。
[0005]一种数字病理切片目标区域的识别方法，包括：
[0006]获取数字病理切片的扫描图像；
[0007]将所述扫描图像导入预设的标准域进行处理，并通过相关法处理，确定第一目标区域；
[0008]将所述扫描图像通过图像特征进行处理，并通过特征对比，确定第二目标区域；
[0009]将所述扫描图像的图像混合特征通过区域和特征混合，确定第三目标区域；
[0010]判断所述第一目标区域、第二目标区域和第三目标区域是否相同，并在相同时，确定扫描图像的目标区域。
[0011]优选的，所述将所述扫描图像导入预设的标准域进行处理，并通过相关法处理，确定第一目标区域，包括：
[0012]将所述扫描图像导入空间域进行处理，确定像素点灰度信息，确定空间重叠区域；
[0013]将所述扫描图像导入频域进行处理，确定波形信息，确定波形重叠区域；
[0014]分别计算所述空间重叠区域的第一联合熵和所述波形重叠区域的第二联合熵；
[0015]根据所述第一联合熵和第二联合熵，将所述扫描图像域预设的模板图像进行配准，确定配准重合区域，并将配准重合区域作为第一目标识别区域。
[0016]优选的，所述将所述扫描图像通过图像特征进行处理，并通过特征对比，确定第二目标区域，包括：
[0017]提取所述扫描图像的图像特征；其中，
[0018]所述图像特征包括点特征、线特征和二进制特征；
[0019]基于所述点特征，确定扫描图像的角点、拐点和交叉点；
[0020]基于所述线特征，确定扫描图像的直线、边缘和轮廓；
[0021]基于所述二进制特征，确定所述扫描图像的计算特征；
[0022]将所述扫描图像与预设的模板图像进行点特征配准，确定点配准值；
[0023]将所述扫描图像与预设的模板图像进行线特征配准，确定线配准值；
[0024]将所述扫描图像与预设的模板图像进行计算特征配准，确定计算配准值；
[0025]判断所述点配准值、线配准值、计算配准值是否相同，并在所述点配准值、线配准值、计算配准值时，确定配准区域为第二目标区域。
[0026]优选的，所述将所述扫描图像的图像混合特征通过区域和特征混合，确定第三目标区域，包括：
[0027]将所述扫描图像带入奇异值分解法进行处理，确定图像奇异值；
[0028]通过OCR识别方法对所述扫描图像进行识别，得到识别结果；
[0029]选取待扫描病理切片，根据所述待扫描病理切片的切片信息确定染色模式，根据所述染色模式确定数字病理切片扫描仪的目标扫描参数，并确定染色结果；
[0030]根据所述奇异值、识别结果和染色结果，将所述扫描图像和预设的模板图像在尺度空间内进行区域混合和特征混合，分别计算区域值和混合值；
[0031]在所述区域值和混合值相同时，确定所述区域之间相同的区域作为第三目标区域。
[0032]优选的，所述方法还包括：
[0033]步骤1：基于扫描图像，计算扫描图像的特征函数；
[0034][0035]其中，B(i)表示第i个像素点的特征函数；μ
i
表示第i个像素点的颜色特征；ρ
i
表示第i个像素点的位置特征；s
i
表示第i个像素点的的混合高斯模型的期望值；Q表示扫描图像中像素点的混合高斯模型的平均期望值；i＝1，2，3
……
n；n表示像素点的总数量；
[0036]步骤2：根据历史病理扫描图像，确定标注数据，构建病种标注的线性模型：
[0037][0038]其中，L
i
表示第i个像素点的同类像素点在坐标轴上的线性轮廓特征；b
i
表示第i个像素点的标注线特征；
[0039]步骤3：根据扫描图像的划分规则，构建扫描图像切片划分模型：
[0040][0041]其中，q
i
表示第i个像素点的区域划分特征；y
i
表示第i个像素点的颜色深度特征；
[0042]步骤4：根据所述线性模型和扫描图像切片划分模型，通过下式确定目标区域标注和扫描图像的对应关系的相关关系值：
[0043][0044]其中，G表示目标区域标注和扫描图像的对应关系的相关关系值；
[0045]步骤5：根据所述相关关系值和扫描图像特征函数，构建目标区域识别模型：
[0046][0047]其中，Y的值对应有唯一的目标区域。
[0048]一种数字病理切片目标区域的识别系统，包括：
[0049]获取模块：获取数字病理切片的扫描图像；
[0050]第一目标区域识别模块：将所述扫描图像导入预设的标准域进行处理，并通过相关法处理，确定第一目标区域；
[0051]第二目标区域识别模块：将所述扫描图像通过图像特征进行处理，并通过特征对比，确定第二目标区域；
[0052]第三目标区域识别模块：将所述扫描图像的图像混合特征通过区域和特征混合，确定第三目标区域；
[0053]目标区域判定模块：判断所述第一目标区域、第二目标区域和第三目标区域是否相同，并在相同时，确定扫描图像的目标区域。
[0054]优选的，所述第一目标区域识别模块包括：
[0055]空间重叠判定单元：用于将所述扫描图像导入空间域进行处理，确定像素点灰度信息，确定空间重叠区域；
[0056]波形重叠判定单元：用于将所述扫描图像导入频域进行处理，确定波形信息，确定波形重叠区域；
[0057]熵值计算单元：用于分别计算所述空间重叠区域的第一联合熵和所述波形重叠区域的第二联合熵；
[0058]第一配准识别单元：用于根据所述第一联合熵和第二联合熵，将所述扫描图像域预设的模板图像进行配准，确定配准重合区域，并将配准重合区域作为第一目标识别区域。
[0059]优选的，所述第二目标区域识别模块包括：
[0060]特征提取单元：用于提取所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数字病理切片目标区域的识别方法，其特征在于，包括：获取数字病理切片的扫描图像；将所述扫描图像导入预设的标准域进行处理，并通过相关法处理，确定第一目标区域；将所述扫描图像通过图像特征进行处理，并通过特征对比，确定第二目标区域；将所述扫描图像的图像混合特征通过区域和特征混合，确定第三目标区域；判断所述第一目标区域、第二目标区域和第三目标区域是否相同，并在相同时，确定扫描图像的目标区域。2.如权利要求1所述的一种数字病理切片目标区域的识别方法，其特征在于，所述将所述扫描图像导入预设的标准域进行处理，并通过相关法处理，确定第一目标区域，包括：将所述扫描图像导入空间域进行处理，确定像素点灰度信息，确定空间重叠区域；将所述扫描图像导入频域进行处理，确定波形信息，确定波形重叠区域；分别计算所述空间重叠区域的第一联合熵和所述波形重叠区域的第二联合熵；根据所述第一联合熵和第二联合熵，将所述扫描图像域预设的模板图像进行配准，确定配准重合区域，并将配准重合区域作为第一目标识别区域。3.如权利要求1所述的一种数字病理切片目标区域的识别方法，其特征在于，所述将所述扫描图像通过图像特征进行处理，并通过特征对比，确定第二目标区域，包括：提取所述扫描图像的图像特征；其中，所述图像特征包括点特征、线特征和二进制特征；基于所述点特征，确定扫描图像的角点、拐点和交叉点；基于所述线特征，确定扫描图像的直线、边缘和轮廓；基于所述二进制特征，确定所述扫描图像的计算特征；将所述扫描图像与预设的模板图像进行点特征配准，确定点配准值；将所述扫描图像与预设的模板图像进行线特征配准，确定线配准值；将所述扫描图像与预设的模板图像进行计算特征配准，确定计算配准值；判断所述点配准值、线配准值、计算配准值是否相同，并在所述点配准值、线配准值、计算配准值时，确定配准区域为第二目标区域。4.如权利要求1所述的一种数字病理切片目标区域的识别方法，其特征在于，所述将所述扫描图像的图像混合特征通过区域和特征混合，确定第三目标区域，包括：将所述扫描图像带入奇异值分解法进行处理，确定图像奇异值；通过OCR识别方法对所述扫描图像进行识别，得到识别结果；选取待扫描病理切片，根据所述待扫描病理切片的切片信息确定染色模式，根据所述染色模式确定数字病理切片扫描仪的目标扫描参数，并确定染色结果；根据所述奇异值、识别结果和染色结果，将所述扫描图像和预设的模板图像在尺度空间内进行区域混合和特征混合，分别计算区域值和混合值；在所述区域值和混合值相同时，确定所述区域之间相同的区域作为第三目标区域。5.如权利要求1所述的一种数字病理切片目标区域的识别方法，其特征在于，所述方法还包括：步骤1：基于扫描图像，计算扫描图像的特征函数；
其中，B(i)表示第i个像素点的特征函数；μ
i
表示第i个像素点的颜色特征；ρ
i
表示第i个像素点的位置特征；s
i
表示第i个像素点的的混合高斯模型的期望值；Q表示扫描图像中像素点的混合高斯模型的平均期望值；i＝1，2，3
……
n；n表示像素点的总数量；步骤2：根据历史病理扫描图像，确定标注数据，构建病种标注的线性模型：其中，L
i
表示第i个像素点的同类像素点在坐标轴上的线性轮廓特征；b
i
表示第i个像素点的标注线特征；步骤3：根据扫描图像的划分规则，构建扫描图像切片划分模型：其中，q
i
表示第i个像素点的区域划分特征；y
i
表示第i个像素点的颜色深度特征；步骤4：根据所述线性模型和扫描图像切片划分模型，通过下式确定目标区域标注和扫描图像的对应关系的相关关系值：其中，G表示目标区域标注和扫描图像的对应关系的相关关系值；步骤5：根据所述相关关系值和扫描图像特征函数，构建目标区域识别模型：其中，Y的值对应有唯一的目标区域。6.一种数字病理切片目标区域的识别系统，其特征在于，包括：获取模块：获取数字病理切片的扫描图像；第一目标区域识别模块：将所述扫描图像导入预设的标准域进行处理，并通过相关法处理，确定...

【专利技术属性】
技术研发人员：郭世政，张捷，石胜军，林小卿，
申请(专利权)人：深圳市东亿健康服务有限公司，
类型：发明
国别省市：