病理图像的处理方法、装置、电子设备与存储介质制造方法及图纸

本发明专利技术提供了一种病理图像的处理方法、装置、电子设备与存储介质，病理图像的处理方法，包括：获取病理图像的K组标注分类信息，所述标注分类信息表征了：记载至少一个标注区域的标注图像，以及每个标注区域所添加的分类标签；所述标注区域是针对于所述病理图像而划出的；评估所述K组标注分类信息的一致性，得到表征所述一致性的评估信息；若所述评估信息所表征的一致性高于预设标准，则向具有复核权限的用户反馈标注分类结果，其中，所述标注分类结果是根据所述K组标注分类信息确定的。是根据所述K组标注分类信息确定的。是根据所述K组标注分类信息确定的。

【技术实现步骤摘要】
病理图像的处理方法、装置、电子设备与存储介质


[0001]本专利技术涉及病理图像的处理领域，尤其涉及一种病理图像的处理方法、装置、电子设备与存储介质。

技术介绍

[0002]由于人工智能技术的发展，用人工智能技术来解决复杂的医学图像识别问题具有巨大的临床应用价值。利用机器分析病理图像具有较高的可重复性，能定量或半定量分析结果，且能减少病理医生的重复工作，辅助病理医生提高结果的准确性和可靠性。其中，若需通过深度学习方法对病理图像中的组织和细胞进行分类，则需要大量的已标注过的图像作为训练集，以此训练深度学习的模型。
[0003]其中，人工标注、分类的工作繁复，现有相关技术中，可基于一定量的标注结果训练一个用于标注、分类的模型，然后用训练好的模型对新输入的图像进行自动化的标注、分类。然而，该过程中，标注的准确性难以得到保障，同时，依旧需要专业的人员(例如医生)参与到完整的、大量的标注、分类工作中，这也导致了参与标注分类工作的门槛较高。

技术实现思路

[0004]本专利技术提供了一种病理图像的处理方法、装置、电子设备与存储介质，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种病理图像的处理方法，其特征在于，包括：获取病理图像的K组标注分类信息，所述标注分类信息表征了：记载至少一个标注区域的标注图像，以及每个标注区域所添加的分类标签；所述标注区域是针对于所述病理图像而划出的；评估所述K组标注分类信息的一致性，得到表征所述一致性的评估信息；若所述评估信息所表征的一致性高于预设标准，则向具有复核权限的用户反馈标注分类结果，其中，所述标注分类结果是根据所述K组标注分类信息确定的。2.根据权利要求1所述的处理方法，其特征在于，评估所述K组标注分类信息的一致性，得到表征所述一致性的评估信息，包括：针对于每一组标注分类信息中的每个标注区域，形成一个矩阵；在所述矩阵中，矩阵元素的分布匹配于所述标注图像中像素点的分布，并且，所述标注区域内像素点对应的矩阵元素取第一数值，所述标注区域外像素点对应的矩阵元素取第二数值；基于所有矩阵与所述分类标签，计算所述评估信息。3.根据权利要求2所述的处理方法，其特征在于，所述K组标注分类信息包括第一组标注分类信息与第二组标注分类信息；基于所有矩阵与所述分类标签，计算所述评估信息，包括：确定所述第一组标注分类信息的每个矩阵与所述第二组标注分类信息的每个矩阵间的重合区域、所述重合区域的面积，以及所述重合区域所对应的两个分类标签；其中，所述重合区域表征了两个矩阵间位置、数值相同且均为所述第一数值的矩阵元素的集合，所述面积表征了所述重合区域的矩阵元素的数量；计算其中同类重合区域的面积的总和，得到第一面积参数；所述同类重合区域指：所对应的两个分类标签为相同分类标签的重合区域；计算其中异类重合区域的面积的总和，得到第二面积参数；所述异类重合区域指：所对应的两个分类标签为不同分类标签的重合区域；根据所述第一面积参数与所述第二面积参数，计算所述评估信息。4.根据权利要求3所述的处理方法，其特征在于，根据所述第一面积参数与所述第二面积参数，计算所述评估信息之前，还包括：计算所述第一组标注分类信息中标注区域的面积总和，得到第三面积参数；计算所述第二组标注分类信息中标注区域的面积总和，得到第四面积参数；其中，所述标注区域的面积总和表征了对应一组标注分类信息的所有标注区域内像素点或其对应矩阵元素的总数量；根据所述第一面积参数与所述第二面积参数，计算所述评估信息，具体包括：根据所述第一面积参数、所述第二面积参数、所述第三面积参数与所述第四面积参数，计算所述评估信息。5.根据权利要求4所述的处理方法，其特征在于，所述评估信息包括第一评估信息和/或第二评估信息；所述第一评估信息匹配于第一比值；其中，所述第一比值为：S
s
/(S
A
+S
B
‑
S
s
‑
S
d
)；所述第二评估信息匹配于第二比值；
其中，所述第二比值为：S
d
/(S
A
+S
B

【专利技术属性】
技术研发人员：陈培林，邢艺释，叶亦舟，李梦道，
申请(专利权)人：上海思路迪生物医学科技有限公司，
类型：发明
国别省市：