数字切片优良率的计算方法及系统技术方案

本发明专利技术公开了数字切片优良率的计算方法及系统，获取待处理数字切片图像；对待处理数字切片图像，进行特征提取；基于提取的特征，生成多尺度特征图；基于多尺度特征图，生成区域建议特征图；对多尺度特征图进行语义分割，生成问题区域的掩码；对建议区域特征图转换为相同尺寸；对相同尺寸的特征图进行回归分类，得到问题区域检测框的坐标和问题区域的类别；对问题区域的掩码进行处理；将处理后的掩码与检测框求交，得到最终的分割掩码；根据最终的分割掩码，统计出各种类别问题区域的数量及面积；根据各种类别问题区域的数量及面积，得到数字切片的优良级别。准确地识别切片中存在问题的区域，并根据识别结果计算得到切片的优良率。率。率。

【技术实现步骤摘要】
数字切片优良率的计算方法及系统


[0001]本专利技术涉及图像处理
，特别是涉及数字切片优良率的计算方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]随着病理学技术的不断发展及广泛应用，对数字切片的质量也提出了更高要求。数字切片是病理科进行诊断的关键材料，高质量的数字切片有助于提高病理诊断工作的准确性，最大程度地保证医疗质量和安全。判断数字切片质量主要通过统计切片中存在问题的面积和数量来评价，主要问题有刀痕、裂隙、褶皱、气泡和胶液外溢等。
[0004]目前计算数字切片优良率主要是采用人工判断或基于传统图像处理的方法。人工判断切片的优良率需要消耗大量人力和精力，计算时间较长并且可能会出现错误，难以应对大量的数字切片。而基于传统图像处理的方法处理较为复杂的切片图像能力有限，对于存在的问题的识别效果较差。

技术实现思路

[0005]为了解决现有技术的不足，本专利技术提供了数字切片优良率的计算方法及系统；采用基于深度学习的实例分割模型，能够利用计算机准确地识别切片中存在问题的区域，并根据识别结果计算得到切片的优良率。
[0006]第一方面，本专利技术提供了数字切片优良率的计算方法；
[0007]数字切片优良率的计算方法，包括：
[0008]获取待处理数字切片图像；对待处理数字切片图像，进行特征提取；
[0009]基于提取的特征，生成多尺度特征图；基于多尺度特征图，生成区域建议特征图；
[0010]对多尺度特征图进行语义分割，生成问题区域的掩码；对区域建议特征图进行坐标回归和分类得到问题区域检测框的坐标和问题区域的类别；
[0011]对问题区域的掩码进行处理；将处理后的掩码与检测框求交，得到最终的分割掩码；根据最终的分割掩码，统计出各种类别问题区域的数量及面积；
[0012]根据各种类别问题区域的数量及面积，对照数字切片优良率指标规则，得到数字切片的优良级别。
[0013]第二方面，本专利技术提供了数字切片优良率的计算系统；
[0014]数字切片优良率的计算系统，包括：
[0015]特征提取模块，其被配置为：获取待处理数字切片图像；对待处理数字切片图像，进行特征提取；
[0016]转换模块，其被配置为：基于提取的特征，生成多尺度特征图；基于多尺度特征图，生成区域建议特征图；
[0017]分类分割模块，其被配置为：对多尺度特征图进行语义分割，生成问题区域的掩码；对区域建议特征图进行坐标回归和分类得到问题区域检测框的坐标和问题区域的类
别；
[0018]统计模块，其被配置为：对问题区域的掩码进行处理；将处理后的掩码与检测框求交，得到最终的分割掩码；根据最终的分割掩码，统计出各种类别问题区域的数量及面积；
[0019]级别划分模块，其被配置为：根据各种类别问题区域的数量及面积，对照数字切片优良率指标规则，得到数字切片的优良级别。
[0020]与现有技术相比，本专利技术的有益效果是：
[0021]采用本专利技术提出的自动计算数字切片优良率的方法，能够节省大量的人力，快速准确地评价数字切片的质量，同时能够定位问题所在的区域，提供评价切片质量的依据，从而保障病理诊断的准确性。
[0022]本专利技术附加方面的优点将在下面的描述中部分给出，或通过本专利技术的实践了解到。
附图说明
[0023]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。
[0024]图1为实施例一的方法流程图；
[0025]图2为实施例一的图像处理结果示意图；
[0026]图3为实施例一的模型内部结构示意图。
具体实施方式
[0027]应该指出，以下详细说明都是示例性的，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。
[0028]实施例一
[0029]本实施例提供了数字切片优良率的计算方法；
[0030]如图1所示，数字切片优良率的计算方法，包括：
[0031]S101：获取待处理数字切片图像；对待处理数字切片图像，进行特征提取；
[0032]S102：基于提取的特征，生成多尺度特征图；基于多尺度特征图，生成区域建议特征图；
[0033]S103：对多尺度特征图进行语义分割，生成问题区域的掩码；对区域建议特征图进行坐标回归和分类得到问题区域检测框的坐标和问题区域的类别；
[0034]S104：对问题区域的掩码进行处理；将处理后的掩码与检测框求交，得到最终的分割掩码；根据最终的分割掩码，统计出各种类别问题区域的数量及面积；
[0035]S105：根据各种类别问题区域的数量及面积，对照数字切片优良率指标规则，得到数字切片的优良级别。
[0036]进一步地，所述S101：对待处理数字切片图像，进行特征提取；具体包括：
[0037]对待处理数字切片图像，采用EfficientNet进行特征提取。
[0038]进一步地，所述S102：基于提取的特征，生成多尺度特征图；具体包括：
[0039]使用特征金字塔网络将提取的特征生成多尺度特征图。
[0040]进一步地，所述S102：基于多尺度特征图，生成区域建议特征图；具体包括：
[0041]对提取的多尺度特征，采用区域建议网络进行处理，得到建议区域特征图。
[0042]进一步地，S103：对多尺度特征图进行语义分割，生成问题区域的掩码；具体包括：
[0043]采用语义分割网络，对多尺度特征图进行语义分割，生成问题区域的掩码。
[0044]进一步地，所述对多尺度特征图进行语义分割，生成问题区域的掩码步骤之后；所述对区域建议特征图进行坐标回归和分类得到问题区域检测框的坐标和问题区域的类别步骤之前；还包括：对区域建议特征图转换为相同尺寸；
[0045]其中，对区域建议特征图转换为相同尺寸；具体包括：
[0046]对区域建议特征图，采用感兴趣区域对齐网络进行处理，得到相同尺寸的特征图。
[0047]进一步地，所述S103：对区域建议特征图进行坐标回归和分类得到问题区域检测框的坐标和问题区域的类别；具体包括：
[0048]对相同尺寸的特征图，采用全连接网络进行回归，得到问题区域检测框的坐标和问题区域的类别。
[0049]进一步地，所述S104：对问题区域的掩码进行处理；具体包括：
[0050]对提取到的多尺度特征，采用深监督(DeepSupervision)的U
‑
Net++进行语义分割，得到问题区域的掩码；
[0051]对各类别掩码进行闭运算；所述闭运算，是指先进行膨胀操作，后进行腐蚀操作；所述闭运算能够区域掩码中存在的小孔和裂隙，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.数字切片优良率的计算方法，其特征是，包括：获取待处理数字切片图像；对待处理数字切片图像，进行特征提取；基于提取的特征，生成多尺度特征图；基于多尺度特征图，生成区域建议特征图；对多尺度特征图进行语义分割，生成问题区域的掩码；对区域建议特征图进行坐标回归和分类得到问题区域检测框的坐标和问题区域的类别；对问题区域的掩码进行处理；将处理后的掩码与检测框求交，得到最终的分割掩码；根据最终的分割掩码，统计出各种类别问题区域的数量及面积；根据各种类别问题区域的数量及面积，对照数字切片优良率指标规则，得到数字切片的优良级别。2.如权利要求1所述的数字切片优良率的计算方法，其特征是，对待处理数字切片图像，进行特征提取；基于提取的特征，生成多尺度特征图；具体包括：对待处理数字切片图像，采用EfficientNet进行特征提取，使用特征金字塔网络将提取的特征生成多尺度特征图。3.如权利要求1所述的数字切片优良率的计算方法，其特征是，基于多尺度特征图，生成区域建议特征图；具体包括：对提取的多尺度特征图，采用区域建议网络进行处理，得到建议区域特征图；所述对多尺度特征图进行语义分割，生成问题区域的掩码；具体包括：采用语义分割网络，对多尺度特征图进行语义分割，生成问题区域的掩码。4.如权利要求1所述的数字切片优良率的计算方法，其特征是，所述对多尺度特征图进行语义分割，生成问题区域的掩码步骤之后；所述对区域建议特征图进行坐标回归和分类得到问题区域检测框的坐标和问题区域的类别步骤之前；还包括：对区域建议特征图转换为相同尺寸；其中，对区域建议特征图转换为相同尺寸；具体包括：对区域建议特征图，采用感兴趣区域对齐网络进行处理，得到相同尺寸的特征图。5.如权利要求3所述的数字切片优良率的计算方法，其特征是，对区域建议特征图进行坐标回归和分类得到问题区域检测框的坐标和问题区域的类别；具体包括：对相同尺寸的特征图，采用全连接网络进行回归，得到问题区域检测框的坐标和问题区域的类别。6.如权利要求1所述的数字切片优良率的计算方法，其特征是，对问题区域的掩码进行处理；具体包括：对提取到的多尺度特征，采用深监督的U
‑
Net++进行语义分割，得到问题区域的掩码；对各类别掩码进行闭...

【专利技术属性】
技术研发人员：陈辰，蔡东兴，张欣欣，
申请(专利权)人：山东云旗信息科技有限公司，
类型：发明
国别省市：