一种基于机器学习的病理切片刀痕判别方法及系统技术方案

本发明专利技术提供一种基于机器学习的病理切片刀痕判别方法及系统，属于计算医学和人工智能技术领域。本发明专利技术病理切片刀痕判别方法，包括：对获取病理切片图片进行预处理获得黑白图片图像；对所述黑白图片图像基于选择性搜索目标检测的方法判定可疑区域；基于刀痕规则对上述获得的可疑区域进行筛选。所述方法还包括：根据刀痕的矩阵框四个顶点坐标，将刀痕在二值化处理后的图片中标识出来；并通过将二值化图片刀痕位置的坐标映射到原图相应坐标的方法，将判定的刀痕区域在原图中显示出来。基于上述方法从而实现基于图像的切片优良率的智能化判断，因此具有良好的实际应用之价值。因此具有良好的实际应用之价值。因此具有良好的实际应用之价值。

【技术实现步骤摘要】
一种基于机器学习的病理切片刀痕判别方法及系统


[0001]本专利技术属于计算医学和人工智能
，具体涉及一种基于机器学习的病理切片刀痕判别方法及系统。

技术介绍

[0002]公开该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。
[0003]病理切片质量控制是临床病理质量控制的关键环节和基础，为保证病理医师的准确诊断，病理切片制作的质量必须满足规定的质量控制标准和要求。
[0004]一张好的病理切片与标本的固定、取材、脱水、包埋、切片、染色等环节有密切的关系。其中，很多步骤受到认为操作、机器运行模式以及试剂的质量程度等众多因素的影响。因此，任一环节的不规范或者差异性都可能导致后期病理切片的质量问题。
[0005]目前，针对病理切片的质量评价工作，主要是以人的评价为主。诸如通过病理技术人员或者病理医生进行评价，但是由于切片数据量巨大，可视化的切片优良率评估必须由人工审核向机器智能化筛查转变。其切片中刀痕的判别是一项非常重要的指标。然而，专利技术人发现，迄今尚未有关于针对机器学习的病理切片的刀痕判别方法。

技术实现思路

[0006]针对上述现有技术的不足，本专利技术提供一种基于机器学习的病理切片刀痕判别方法及系统。本专利技术通过机器学习方法对切片中的刀痕进行识别，从而实现基于图像的切片优良率的智能化判断，因此具有良好的实际应用之价值。
[0007]本专利技术是通过如下技术方案实现的：
[0008]本专利技术的第一个方面，提供一种基于机器学习的病理切片刀痕判别方法，包括：
[0009]对获取病理切片图片进行预处理获得黑白图片图像；
[0010]对所述黑白图片图像基于选择性搜索(selective_search)目标检测的方法判定可疑区域；
[0011]基于刀痕规则对上述获得的可疑区域进行筛选。
[0012]所述方法还包括：根据刀痕的矩阵框四个顶点坐标，将刀痕在二值化处理后的图片中标识出来；并通过将二值化图片刀痕位置的坐标映射到原图相应坐标的方法，将判定的刀痕区域在原图中显示出来。
[0013]本专利技术的第二个方面，提供一种基于机器学习的病理切片刀痕判别系统，所述系统包括：
[0014]图片预处理模块，用于将得到的病理切片图片经过预处理输出黑白图片图像；
[0015]目标检测模块，基于选择性搜索算法对黑白图片图像进行处理，输出可疑区域；
[0016]刀痕规则模块，对所述可疑区域基于刀痕规则进行筛选。
[0017]本专利技术的第三个方面，提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述基于机器学习的病理切片刀痕判别方法所进行的步骤。
[0018]本专利技术的第四个方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述基于机器学习的病理切片刀痕判别方法所进行的步骤。
[0019]上述一个或多个技术方案的有益技术效果：
[0020]上述技术方案通过机器学习方法对切片中的刀痕进行识别，具体的，通过采样的边线十分位坐标点像素值定义刀痕规则，对通过selective_search目标检测的方法找到的可疑区域进行筛选，从而实现基于图像的切片优良率的智能化判断，因此具有良好的实际应用之价值。
附图说明
[0021]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0022]图1为本专利技术实施例1中图片预处理步骤(1)中获得的图片。
[0023]图2为本专利技术实施例1中图片预处理步骤(2)中的黑白图片。
[0024]图3为本专利技术实施例1中通过selective_search目标检测的方法找到的可疑区域示意图。
[0025]图4为本专利技术实施例1中定义对坐标点的采样示意图。
[0026]图5为本专利技术实施例1中二值化处理后的图片中的刀痕标识图。
[0027]图6为本专利技术实施例1中病理切片原图中的刀痕标识图。
具体实施方式
[0028]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0029]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。应理解，本专利技术的保护范围不局限于下述特定的具体实施方案；还应当理解，本专利技术实施例中使用的术语是为了描述特定的具体实施方案，而不是为了限制本专利技术的保护范围。
[0030]本专利技术公开了可用于执行所公开的方法和系统的部件。本文公开了这些以及其他部件，并且应当理解，当公开这些部件的组合、子组、交互、组等时，尽管可能没有明确公开对这些部件的各种单独和集合组合和排列中每一者的特定引用，但对于所有的方法和系统，本文对每一者都进行了具体地设想和描述。这适用于本申请的所有方面，包括但不限于所公开的方法中的步骤。因此，如果存在可进行的各种另外的步骤，则应当理解，这些另外的步骤中的每一个步骤可利用所公开的方法的任何特定实施方案或实施方案的组合来进
行。
[0031]本专利技术的一个典型具体实施方式中，提供一种基于机器学习的病理切片刀痕判别方法，包括：
[0032]对获取病理切片图片进行预处理获得黑白图片图像；
[0033]对所述黑白图片图像基于选择性搜索(selective_search)目标检测的方法判定可疑区域；
[0034]基于刀痕规则对上述获得的可疑区域进行筛选。
[0035]本专利技术的又一具体实施方式中，所述方法还包括：根据刀痕的矩阵框四个顶点坐标，将刀痕在二值化处理后的图片中标识出来；并通过将二值化图片刀痕位置的坐标映射到原图相应坐标的方法，将判定的刀痕区域在原图中显示出来。
[0036]本专利技术的又一具体实施方式中，对获取病理切片图片进行预处理获得黑白图片图像的具体方法包括：采用python的cv2读取图片，通过颜色空间转化，得到灰度化图片，将其灰度通过二值化处理，经过开闭运算后的图像，获取黑白图片；
[0037]本专利技术的又一具体实施方式中，对所述黑白图片图像基于选择性搜索目标检测的方法判定可疑区域的具体方法包括：首先使用高斯滤波器使图像更光滑，从而补偿人工数字化的损失。使用sigma＝0.9的高斯滤波器不会对图像产生任何可见的变化，但有助于去除伪影。scale是最开始图像分割时，两个区域是否融合取决于两区域区间相似度是否比两区域的区内相似度都本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的病理切片刀痕判别方法，其特征在于，包括：对获取病理切片图片进行预处理获得黑白图片图像；对所述黑白图片图像基于选择性搜索目标检测的方法判定可疑区域；基于刀痕规则对上述获得的可疑区域进行筛选。2.如权利要求1所述的病理切片刀痕判别方法，其特征在于，所述方法还包括：根据刀痕的矩阵框四个顶点坐标，将刀痕在二值化处理后的图片中标识出来；并通过将二值化图片刀痕位置的坐标映射到原图相应坐标的方法，将判定的刀痕区域在原图中显示出来。3.如权利要求1所述的病理切片刀痕判别方法，其特征在于，对获取病理切片图片进行预处理获得黑白图片图像的具体方法包括：采用python的cv2读取图片，通过颜色空间转化，得到灰度化图片，将其灰度通过二值化处理，经过开闭运算后的图像，获取黑白图片。4.如权利要求1所述的病理切片刀痕判别方法，其特征在于，对所述黑白图片图像基于选择性搜索目标检测的方法判定可疑区域的具体方法包括：首先使用高斯滤波器对黑白图片进行处理；优选的，高斯滤波器的sigma取0.5
‑
1.0，优选为0.9；scale取值为800
‑
1200，进一步优选为1000。5.如权利要求1所述的病理切片刀痕判别方法，其特征在于，所述刀痕规则采用采样的边线十分位坐标点像素值进行定义，具体规则如下：1)如果上边，下边和中间水平线分别有超过6个点像素值是0，则判定为刀痕；2)如果上边，下边和四分之一水平线分别有超过6个点像素值是0，则判定为刀痕；3)如果上边，下边和四分之三水平线分别有超过6个点像素值是0，则判定为刀痕；4)如果左边，右边和中轴线分别有超过6个点像素值是0，则判定为刀痕；5)如果左边，右边和四分之一垂直线分别有超过6个点像素值是0，则判定为刀痕；6)如果左边，右边和四分之三垂直线分别有超过6个点像素值是0，则判定为刀痕；7)不满足以上1)
‑
6)任意一种条件的其他情况，判定为非刀痕。6.如权利要求5所述的病理切片刀痕判别...

【专利技术属性】
技术研发人员：孙青，成玉霞，鹿伟，张贵慧，
申请(专利权)人：山东省千佛山医院，
类型：发明
国别省市：