一种切片图像处理方法技术

本发明专利技术提供一种切片图像处理方法，包括：获取数字病理图像，并对所述数字病理图像进行切片，确定切片图像；基于预设的智能终端，识别切片图像中的图像元素是否为异常病变，并将图像元素为异常病变的切片图像进行标记和筛选，确定标记切片图像；识别并提取标记切片图像的特征信息，并根据所述特征信息，建立索引树，根据所述索引树，抓取大数据平台中的节点，并将所述标记切片图像传输并存储至所述节点，确定存储节点；将所述存储节点上传至预设的云端，并进行层次划分，确定划分结果。确定划分结果。确定划分结果。

【技术实现步骤摘要】
一种切片图像处理方法


[0001]本专利技术涉及切片图像
，特别涉及一种切片图像处理方法。
[0002]区域技术
[0003]目前，病理诊断一般都以图像作为依据对病人的诊断做出判断， 近些年来，结合高速发展的互联网时代，传统的病理诊断工作模式发 生巨大的变化，切片图像提供了一种高分辨率、全切片的数字图像， 但是目前而言，大型综合医院的玻璃切片多达十几万张，工作量巨大， 目前的病理图像很难满足巨大的图像数据存储和调阅，所以在处理图 片的时候对重要的图像数据进行人工一一筛选和建立索引，十分耗时 耗力，此外，对病理图像进行处理的时候，需要很清晰的画质才能确 保精准的病理位置的确定，但往往由于处理量过大，医院的处理系统 往往出现卡机，电脑宕机，程序崩溃，或者时间处理过长。

技术实现思路

[0004]本专利技术提供一种切片图像处理方法，以解决上述
技术介绍
中出现 的问题。
[0005]本专利技术提供一种切片图像处理方法，其特征在于，包括：
[0006]获取数字病理图像，并对所述数字病理图像进行切片，确定切片 图像；
[0007]基于预设的智能终端，识别切片图像中的图像元素是否为异常病 变，并将图像元素为异常病变的切片图像进行标记和筛选，确定标记 切片图像；
[0008]识别并提取标记切片图像的特征信息，并根据所述特征信息，建 立索引树；
[0009]根据所述索引树，抓取大数据平台中的节点，并将所述标记切片 图像传输并存储至所述节点，确定存储节点。
[0010]作为本技术方案的一种实施例，所述获取数字病理图像，并对所 述数字病理图像进行切片，确定切片图像，包括：
[0011]获取切片尺寸规格；
[0012]获取数字病理图像，按照所述切片尺寸规格，切割所述数字病理 图像，确定图像切片；
[0013]对所述图像切片标注顺序，确定顺序号；
[0014]根据所述顺序号，处理所述图像切片，确定切片图像。
[0015]作为本技术方案的一种实施例，基于预设的智能终端，识别切片 图像中的图像元素是否为异常病变，包括：
[0016]识别切片图像中的图像元素，判断所述数字病理图像的图像元素 是否为异常病变，确定判断结果；
[0017]当所述判断结果为所述切片图像的图像元素正常，将正常的切片 图像压缩并备份；
[0018]当所述判断结果为所述切片图像的图像元素异常，确定标记切片 图像。
[0019]作为本技术方案的一种实施例，所述当所述判断结果为所述切片 图像的图像元素异常时，确定标记切片图像，包括：
[0020]获取并记录异常的切片图像的顺序号；
[0021]根据所述顺序号，筛选图像元素为异常病变的切片图像，确定筛 选切片图像；
[0022]识别筛选切片图像的异常图像元素，记录并标记病变位置；
[0023]对所述筛选切片图像的病变位置进行降噪和孤立处理，并增强画 质，确定异常病变部位切片；
[0024]采集异常病变部位切片对应的顺序号，并根据对应的顺序号，对 异常病变部位切片进行标记，确定标记切片图像。
[0025]作为本技术方案的一种实施例，所述识别筛选切片图像的异常图 像元素，记录并标记病变位置，包括：
[0026]通过预设的图像识别系统，处理所述图像切片，确定所述图像切 片中的有效区域和无效区域；
[0027]基于非极大值抑制，排除重复检测区域，确定切片级别的细胞检 测数据；
[0028]将所述细胞检测数据传输至图像识别系统，基于预设的深度学习 算法，检测有效区域中病变细胞的病变种类；
[0029]对病变细胞的病变种类进行记录，同时标记病变位置。
[0030]作为本技术方案的一种实施例，所述通过预设的图像识别系统， 处理所述图像切片，确定所述图像切片中的有效区域和无效区域，包 括：
[0031]步骤A1：通过预设的图像识别系统，处理所述图像切片，对图 像切片的区域面积建立检测模型：
[0032][0033]其中，所述图像切片的尺寸为size*Size，size代表图像切片的 长度，Size代表图像切片的宽度，代表图像切片的宽度移动的像素 点，θ代表图像切片的长度移动的像素点，代表移动后 的图像切片的灰度值，为长为宽为θ的像素点的灰度值，w
Q,q
代 表在图像切片集合中正在检测的图像切片窗口为q，Q代表所有待检 测的图像切片集合，q∈Q，S(size,Size)代表关于尺寸为size*Size图 像切片的检测模型；
[0034]步骤A2：通过所述检测模型，建立关于有效区域的响应函数：
[0035][0036]其中，S代表检测模型，G
size
代表图像切片的水平灰度值，G
Size
代 表图像切片的垂直灰度值，t(S(size,Size))代表尺寸为size*Size图 像切片的轨迹；
[0037]步骤A3：根据所述响应函数，辨别所述图像切片中的有效区域， 并同时确定无效区域。
[0038]作为本技术方案的一种实施例，所述识别并提取标记切片图像的 特征信息，并根据所述特征信息，建立索引树，包括：
[0039]获取标记切片图像；
[0040]追溯所述标记切片图像的特征信息，根据所述特征信息，建立检 索标签；
[0041]对所述检索标签进行优先级排级，确定优先等级；
[0042]通过所述优先等级和检索标签，建立索引树。
[0043]作为本技术方案的一种实施例，所述追溯所述标记切片图像的特 征信息，根据所述特征信息，建立检索标签，包括：
[0044]基于预设的深度神经学习机制，对标记切片图像进行数据特征提 取，确定特征信息；
[0045]对所述特征信息进行过滤，并将过滤后的特征信息压缩和简化， 提炼特征数据；
[0046]根据所述特征数据，建立标记切片图像的检索标签。
[0047]作为本技术方案的一种实施例，所述对所述检索标签进行优先级 排级，确定优先等级，还包括：
[0048]步骤S1：获取检索标签的特征数据，并采集所述特征数据的重 要度评分：
[0049]score＝min(∑(z
u,x
‑
Z
u,y
)2+μ||x
i
||2+μ||y
j
||2)
[0050]其中，score代表特征数据的重要度评分，z
u,x
代表用户对检索标 签的兴趣度，u为用户的标识符号，x为实时采集的检索标签的特征数 据，x
i
代表实时采集的第i个检索标签的特征数据，i＝1,2,
…
,n,n代表 实时采集的特征数据的总个数，Z
u,y
代表用户对检索标签的历史兴趣 度，y
j
代表历史检索标签的特征数据，μ代表关于分数的可测示性函 数，j本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种切片图像处理方法，其特征在于，包括：获取数字病理图像，并对所述数字病理图像进行切片，确定切片图像；基于预设的智能终端，识别切片图像中的图像元素是否为异常病变，并将图像元素为异常病变的切片图像进行标记和筛选，确定标记切片图像；识别并提取标记切片图像的特征信息，并根据所述特征信息，建立索引树；采集索引树的索引关系，根据所述索引关系，抓取预设的大数据平台中的节点，将所述标记切片图像传输并存储至所述节点。2.如权利要求1所述的一种切片图像处理方法，其特征在于，所述获取数字病理图像，并对所述数字病理图像进行切片，确定切片图像，包括：获取数字病理图像，基于预设的切片规格，设定分割过程中小块之间的分割大小尺寸；基于所述分割大小尺寸，对所述数字病理图像进行切割，并在切割过程中，按照切割顺序，对图像切片标注顺序号，确定切片图像。3.如权利要1所述的一种切片图像处理方法，其特征在于，基于预设的智能终端，识别切片图像中的图像元素是否为异常病变，包括：基于预设的智能终端，识别切片图像中的图像元素；其中，所述图像元素包括区域元素和待检测区域的图像元素；基于预设的深度学习检测算法，对所述切片图像进行训练处理，并根据预设的诊断阈值，判断图像元素中的待检测区域元素是否为异常病变，确定判断结果；当所述判断结果为所述图像元素中的待检测区域正常，将正常的切片图像压缩并备份；当所述判断结果为所述图像元素中的待检测区域异常，确定标记切片图像。4.如权利要求3所述的一种切片图像处理方法，其特征在于，所述判断图像元素中的待检测区域元素是否为异常病变，确定标记切片图像之后还包括：识别所述切片图像中的待检测区域，记录并标记切片图像对应的病变位置，确定处理切片图像；获取处理切片图像对应的顺序号；基于预设的图像画质阈值，按照所述顺序号，对处理切片图像进行筛选，确定筛选切片图像；对所述筛选切片图像进行降噪和孤立处理，确定标记切片图像。5.如权利要4所述的一种切片图像处理方法，其特征在于，所述识别所述图像元素中的待检测区域，记录并标记切片图像对应的病变位置，确定处理切片图像，包括：识别切片图像中的待检测区域，通过预设的图像识别系统，确定处理切片图像中的有效区域和无效区域；基于非极大值抑制，排除重复检测区域，确定切片级别的细胞检测数据；将所述细胞检测数据传输至图像识别系统，基于预设的深度学习算法，检测有效区域中病变细胞的病变种类，并对病变细胞的病变种类进行记录，同时标记病变位置。6.如权利要5所述的一种切片图像处理方法，其特征在于，所述识别切片图像中的待检测区域，通过预设的图像识别系统，确定处理切片图像中的有效区域和无效区域，包括：步骤A1：通过预设的图像识别系统，处理所述图像切片，对图像切片的区域面积建立检
测模型：其中，所述图像切片的尺寸为size*Size，size代表图像切片的长度，Size代表图像切片的宽度，代表图像切片的宽度移动的像素点，θ代表图像切片的长度移动的像素点，代表移动后的图像切片的灰度值，为长为宽为θ的像素点的灰度值，w
Q，q
代表在图像切片集合中正在检测的图像切片窗口为q，Q代表所有待检测的图像切片集合，q∈Q，S(size，Size)代表关于尺寸为size*Size图像切片的检测模型；步骤A2：通过所述检测模型，建立关于有效区域的响应函数：其中，S代表检测模型，G
size
代表图像切片的水平灰度值，G
Size
代表图像切片的垂直灰度值，t(S(size，Size))代表...

【专利技术属性】
技术研发人员：张捷，石胜军，郭世政，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：