玻片图像的信息获取方法、装置、设备及介质制造方法及图纸

本申请公开了一种玻片图像的信息获取方法、装置、设备及介质，涉及医学图像分析领域。该方法包括：获取目标玻片图像，目标玻片图像为对装载有待观测细胞的目标玻片进行扫描得到的图像；对目标玻片图像中的前景区域进行识别，得到前景区域图像，前景区域用于指示目标玻片图像中装载有待观测细胞的区域；对前景区域图像进行特征提取，得到目标特征；基于目标特征对目标玻片图像进行背景类别预测，得到目标玻片对应的病理背景类别信息，病理背景类别信息用于指示前景区域中的待观测细胞的背景性特征。通过对目标玻片图像的前景区域进行提取，并通过对前景区域进行分析，确定待观测细胞的背景性特征，提升了病理学玻片的筛片阅片效率。效率。效率。

【技术实现步骤摘要】
玻片图像的信息获取方法、装置、设备及介质


[0001]本申请涉及医学图像分析领域，特别涉及一种玻片图像的信息获取方法、装置、设备及介质。

技术介绍

[0002]通过计算机实现病理图像分析在临床诊断的研究中已受到了广泛的关注和利用，为提高病症分析的整体效率，逐步通过计算机实现对病理图像的筛查。例如，行业内工作人员使用工艺将待观测细胞平铺在玻片上进行染色，得到细胞病理学玻片，然后通过扫描仪对该玻片进行扫描，通过计算机对玻片对应的病理切片图像进行筛选，以方便工作人员进行诊断。
[0003]在相关技术中，病理图像的处理主要包括获取扫描到的病理切片图像的组织区域，对获取到的组织区域通过预设模型进行图像质量的判读，其中，判读方式主要以二分类为主。
[0004]但由于其病理图像的处理针对的是组织区域的判别，对病理信息的获取存在局限性，对整体的筛片阅片效率的提升效果较差。

技术实现思路

[0005]本申请实施例提供了一种玻片图像的信息获取方法、装置、设备及介质，可以提升病理学玻片的筛片阅片效率。所述技术方案如下：
[0006]一方面，提供了一种玻片图像的信息获取方法，所述方法包括：
[0007]获取目标玻片图像，所述目标玻片图像为对装载有待观测细胞的目标玻片进行扫描得到的图像；
[0008]对所述目标玻片图像中的前景区域进行识别，得到前景区域图像，所述前景区域用于指示所述目标玻片图像中装载有所述待观测细胞的区域；
[0009]对所述前景区域图像进行特征提取，得到目标特征；
[0010]基于所述目标特征对所述目标玻片图像进行背景类别预测，得到所述目标玻片对应的病理背景类别信息，所述病理背景类别信息用于指示所述前景区域中的所述待观测细胞的背景性特征。
[0011]另一方面，提供了一种玻片图像的信息获取装置，所述装置包括：
[0012]获取模块，用于获取目标玻片图像，所述目标玻片图像为对装载有待观测细胞的目标玻片进行扫描得到的图像；
[0013]识别模块，用于对所述目标玻片图像中的前景区域进行识别，得到前景区域图像，所述前景区域用于指示所述目标玻片图像中装载有所述待观测细胞的区域；
[0014]特征提取模块，用于对所述前景区域图像进行特征提取，得到目标特征；
[0015]预测模块，用于基于所述目标特征对所述目标玻片图像进行背景类别预测，得到所述目标玻片对应的病理背景类别信息，所述病理背景类别信息用于指示所述前景区域中
的所述待观测细胞的背景性特征。
[0016]另一方面，提供了一种计算机设备，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现本申请实施例中任一所述的玻片图像的信息获取方法。
[0017]另一方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条程序代码，所述程序代码由处理器加载并执行以实现本申请实施例中任一所述的玻片图像的信息获取方法。
[0018]另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中任一所述的玻片图像的信息获取方法。
[0019]本申请的提供的技术方案至少包括以下有益效果：
[0020]当需要对目标玻片进行筛选及诊断时，通过对目标玻片图像中的前景区域进行识别，并对前景区域图像进行特征提取，对提取到的目标特征进行背景类别预测，确定目标玻片对应的病理背景类别，以方便医生获取玻片图像对应的病理背景信息，无需人工实现对玻片图像中病理背景信息的识别，提升了病理学玻片整体的筛片阅片效率。
附图说明
[0021]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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获得其他的附图。
[0022]图1是本申请一个示例性实施例提供的计算机系统的结构框图；
[0023]图2是本申请一个示例性实施例提供的玻片图像的信息获取方法流程图；
[0024]图3是本申请一个示例性实施例提供的玻片图像示意图；
[0025]图4是本申请另一个示例性实施例提供的玻片图像的信息获取方法流程图；
[0026]图5是本申请一个示例性实施例提供的前景区域获取方法流程图；
[0027]图6是本申请另一个示例性实施例提供的玻片图像的信息获取方法流程图；
[0028]图7是本申请一个示例性实施例提供的玻片图像的信息获取方法的整体工作流程示意图；
[0029]图8是本申请一个示例性实施例提供的整体训练模型示意图；
[0030]图9是本申请一个示例性实施例提供的玻片图像的信息获取装置结构框图；
[0031]图10是本申请另一个示例性实施例提供的玻片图像的信息获取装置结构框图；
[0032]图11是本申请一个示例性实施例提供的服务器的结构示意图。
具体实施方式
[0033]为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
[0034]首先，对本申请实施例中涉及的名词进行简要介绍：
[0035]人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
[0036]人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0037]计算机视觉技术(Computer Vision，CV)是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、光学字符识别(Optical本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种玻片图像的信息获取方法，其特征在于，所述方法包括：获取目标玻片图像，所述目标玻片图像为对装载有待观测细胞的目标玻片进行扫描得到的图像；对所述目标玻片图像中的前景区域进行识别，得到前景区域图像，所述前景区域用于指示所述目标玻片图像中装载有所述待观测细胞的区域；对所述前景区域图像进行特征提取，得到目标特征；基于所述目标特征对所述目标玻片图像进行背景类别预测，得到所述目标玻片对应的病理背景类别信息，所述病理背景类别信息用于指示所述前景区域中的所述待观测细胞的背景性特征。2.根据权利要求1所述的方法，其特征在于，所述基于所述目标特征对所述目标玻片图像进行背景类别预测，得到所述目标玻片对应的病理背景类别信息，包括：基于所述目标特征，确定所述目标玻片图像与候选病理背景类别之间的第一概率数据；通过第一预设阈值对所述第一概率数据进行筛选，从所述候选病理背景类别中确定所述病理背景类别信息。3.根据权利要求2所述的方法，其特征在于，所述基于所述目标特征，确定所述目标玻片图像与候选病理背景类别之间的第一概率数据，包括：将所述目标特征输入至预设分类网络，得到所述目标玻片图像与所述候选病理背景类别之间的所述第一概率数据，所述预设分类网络提供有至少两种所述候选病理背景类别，所述预设分类网络用于计算所述目标玻片图像属于所述候选病理背景类别的概率。4.根据权利要求1所述的方法，其特征在于，所述对所述目标玻片图像中的前景区域进行识别，获取前景区域图像，包括：对所述目标玻片图像进行灰度处理，得到灰度图像；将所述灰度图像中灰度满足预设灰度要求的区域生成所述前景区域图像。5.根据权利要求4所述的方法，其特征在于，所述对所述目标玻片图像进行灰度处理，得到灰度图像，包括：对所述目标玻片图像进行灰度化，得到第一灰度图像；对所述第一灰度图像进行高斯模糊操作，得到第二灰度图像；对所述第二灰度图像进行灰度归一化，得到所述灰度图像。6.根据权利要求5所述的方法，其特征在于，所述将所述灰度图像中灰度满足预设灰度要求的区域生成所述前景区域图像，包括：通过霍夫变换确定所述灰度图像中具有预设形状的候选区域；根据预设尺寸要求从所述候选区域中确定出所述前景区域图像，所述前景区域是所述候选区域中与所述预设尺寸要求的匹配置信度最高的区域。7.根据权利要求1至6任一所述的方法，其特征在于，所述对所述前景区域图像进行特征提取，得到目标特征，包括：对所述前景区域图像进行采样，提取得到视野位置图像；将所述视野位置图像输入至目标神经网络进行特征提取，得到所述目标特征。8.根据权利要求7所述的方法，其特征在于，所述对所述前景区域图像进行采样，提取
得到视野位置图像，包括：对所述前景区域图像进行均匀采样，得到所述初始视野位置图像；获取所述目标神经网络对应的分辨率要求；基于所述...

【专利技术属性】
技术研发人员：马兆轩，叶虎，蔡德，肖凯文，韩骁，
申请(专利权)人：腾讯医疗健康深圳有限公司，
类型：发明
国别省市：