一种细胞学样本图像质量控制方法、系统及存储介质技术方案

本发明专利技术公开了一种细胞学样本图像质量控制方法、系统及存储介质，包括以下步骤：采集样本图像，对样本图像进行预处理，预处理后得到样本图像的质控范围和patch块；对patch块进行图像分类，所述图像分类通过分类网络对patch块进行粗分类，得到一类图像特征；对patch块进行目标检测，所述目标检测用于识别patch块中的二类图像特征；对patch块进行图像处理，所述图像处理用于对patch块进行特征提取；根据所述图像分类、目标检测和图像处理的结果,对patch块作二次分类；根据patch块二次分类结果，对样本图像质量作出评价。本发明专利技术所保护的一种细胞学样本图像质量控制方法、系统及存储介质，结合了图像处理、分类网络、目标检测和机器学习方法，使得质控判断结果更为准确。使得质控判断结果更为准确。使得质控判断结果更为准确。

【技术实现步骤摘要】
一种细胞学样本图像质量控制方法、系统及存储介质


[0001]本专利技术涉及深度学习与图像识别领域，尤其是一种细胞学样本图像质量控制方法、系统及存储介质。

技术介绍

[0002]细胞病理学是将取到的细胞学样本，去除非诊断性杂质，通过细胞分离和细胞转移技术，将目标细胞转移到载玻片上制备成薄层的细胞涂片，也称为液基细胞学。液基细胞学的细胞单层分布、背景清晰、非诊断性杂质少，便于细胞病理医生观察和诊断，是细胞病理学最常用的样本制备技术。
[0003]液基细胞学传统是由细胞病理学医生在显微镜下进行人工阅片；但随着数字病理学和病理人工智能行业的发展，逐渐实现液基细胞学样本的数字化，液基细胞学数字病理图像的采集是疾病远程会诊、病理人工智能辅助诊断的应用和相关疾病的大数据收集的必要前提，但液基细胞学数字病理图像在细胞样本收集、制片、数字化扫描等过程中均可能出现人为因素导致的图像质量不合格问题，如细胞采集量过少、封片问题导致的气泡、制片过程出现的粘液覆盖和扫描失焦导致涂片空白、模糊，将制约着液基细胞学数字病理图像的使用。现有的细胞图像质量控制方式主要是人工智能图像分析技术，其最终的分析结果只能进行两分类筛选(合格和不合格)，不足以满足临床工作需要。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供一种细胞学样本图像质量控制方法、系统及存储介质。
[0005]本专利技术的第一方面提供了一种细胞学样本图像质量控制方法，包括以下步骤：
[0006]采集样本图像，对样本图像进行预处理，预处理后得到样本图像的质控范围和patch块；
[0007]对patch块进行图像分类，所述图像分类通过分类网络对patch块进行粗分类，得到一类图像特征；
[0008]对patch块进行目标检测，所述目标检测用于识别patch块中的二类图像特征；
[0009]对patch块进行图像处理，所述图像处理用于对patch块进行特征提取；
[0010]根据所述图像分类、目标检测和图像处理的结果,对patch块作二次分类；
[0011]根据patch块二次分类结果，对样本图像质量作出评价。根据patch块二次分类结果，对样本图像质量作出评价。
[0012]进一步地，所述对样本图像进行预处理，具体包括以下步骤：
[0013]对样本图像作标准化处理，形成多层级的样本图像数据库；
[0014]对样本图像进行图像腐蚀处理和图像膨胀处理，对经图像腐蚀处理和图像膨胀处理的样本图像作阈值分割处理，得到样本图像的质控范围；
[0015]对样本图像以隔点交错的方式进行采样，得到样本图像的若干个patch块。
[0016]进一步地，在所述对样本图像作标准化处理步骤之前，还包括以下步骤：
[0017]识别所述样本图像的切片格式，所述切片格式包括.tif、.kfb、.TMAP、.sdpc、.dyq、.dyqx、.mrsx、.svs、.zyp、.ndpi。
[0018]进一步地，所述提取所述patch块的图像特征，得到一类图像特征，并根据一类图像特征对patch块作一次分类，具体包括以下步骤：
[0019]使用mobilenetv2卷积神经网络提取patch块的一类图像特征，所述一类图像特征包括空白、模糊、血液污染、破片杂质、气泡；
[0020]使用XGBoost分类器基于所述一类图像特征对patch块进行特征分类训练；
[0021]使用所述特征分类训练所得的的权重对所述patch块进行预测，得到patch块的分类概率列表，使用概率最高的一项类别作为patch块的分类标签。
[0022]进一步地，所述对patch块进行目标检测，具体包括：
[0023]使用YOLOv5目标检测算法识别patch块中的二类图像特征；
[0024]所述二类图像特征包括一类图像特征的数量、类别和位置。
[0025]进一步地，所述对patch块进行图像处理，具体包括以下步骤：
[0026]计算patch块的Laplacian方差；
[0027]统计patch块中不同大小范围的细胞数量。
[0028]进一步地，所述统计patch块中不同大小范围的细胞数量，包括以下步骤：
[0029]对patch块作背景降噪处理；
[0030]对经过背景降噪的patch块作腐蚀、膨胀、阈值分割处理；
[0031]寻找patch块中的细胞轮廓,统计不同细胞轮廓的面积。
[0032]进一步地，所述二次分类，分类规则包括：气泡数量、杂质数量、Laplacian方差。
[0033]本专利技术还公开了一种细胞学样本图像质量控制系统，包括以下模块；
[0034]第一模块，用于对样本图像进行预处理，预处理后得到样本图像的质控范围和patch块；
[0035]第二模块，用于对patch块进行图像分类，所述图像分类通过分类网络对patch块进行粗分类，得到一类图像特征；
[0036]第三模块，用于对patch块进行目标检测，所述目标检测用于识别patch块中的二类图像特征；
[0037]第四模块，用于对patch块进行图像处理，所述图像处理用于对patch块进行特征提取；
[0038]第五模块，用于根据所述图像分类、目标检测和图像处理的结果,对patch块作二次分类；
[0039]第六模块，用于根据patch块二次分类结果，对样本图像质量作出评价第六模块，用于根据patch块二次分类结果，对样本图像质量作出评价。
[0040]本专利技术还公开了一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1
‑
8中任一项所述的方法。
[0041]本专利技术具有如下有益效果：本专利技术所保护的一种细胞学样本图像质量控制方法、系统及存储介质，结合了图像处理、分类网络、目标检测和机器学习方法，使得质控判断结果更为准确。本专利技术相对于现有技术优化了采样策略，能将分析范围扩大到样本图像全图，
又能在不影响检测速度的情况下,尽可能均匀的覆盖更多图像区域；进而通过多种图像处理任务,给出样本图像目标检测区域的多种量化特征。
[0042]本专利技术的附加方面和优点将在下面的描述部分中给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0043]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。
[0044]图1是本专利技术一种细胞学样本图像质量控制方法的主要流程图；
[0045]图2是本专利技术一种细胞学样本图像质量控制方法中对样本图像作标准化处理所形成的层级示意图；
[0046]图3是本专利技术一种细胞学样本图像质量控本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种细胞学样本图像质量控制方法，其特征在于，包括以下步骤：采集样本图像，对样本图像进行预处理，预处理后得到样本图像的质控范围和patch块；对patch块进行图像分类，所述图像分类通过分类网络对patch块进行粗分类，得到一类图像特征；对patch块进行目标检测，所述目标检测用于识别patch块中的二类图像特征；对patch块进行图像处理，所述图像处理用于对patch块进行特征提取；根据所述图像分类、目标检测和图像处理的结果,对patch块作二次分类；根据patch块二次分类结果，对样本图像质量作出评价。2.根据权利要求1所述的一种细胞学样本图像质量控制方法，其特征在于，所述对样本图像进行预处理，具体包括以下步骤：对样本图像作标准化处理，形成多层级的样本图像数据库；对样本图像进行图像腐蚀处理和图像膨胀处理，对经图像腐蚀处理和图像膨胀处理的样本图像作阈值分割处理，得到样本图像的质控范围；对样本图像以隔点交错的方式进行采样，得到样本图像的若干个patch块。3.根据权利要求2所述的一种细胞学样本图像质量控制方法，其特征在于，在所述对样本图像作标准化处理步骤之前，还包括以下步骤：识别所述样本图像的切片格式，所述切片格式包括.tif、.kfb、.TMAP、.sdpc、.dyq、.dyqx、.mrsx、.svs、.zyp、.ndpi。4.根据权利要求1所述的一种细胞学样本图像质量控制方法，其特征在于，所述提取所述patch块的图像特征，得到一类图像特征，并根据一类图像特征对patch块作一次分类，具体包括以下步骤：使用mobilenetv2卷积神经网络提取patch块的一类图像特征，所述一类图像特征包括空白、模糊、血液污染、破片杂质、气泡；使用XGBoost分类器基于所述一类图像特征对patch块进行特征分类训练；使用所述特征分类训练所得的的权重对所述patch块进行预测，得到patch块的分类概率列表，使用概率最高的一项类别作为patch块的分类...

【专利技术属性】
技术研发人员：李胜男，王润发，尚滨，彭铃淦，
申请(专利权)人：广州锟元方青医疗科技有限公司，
类型：发明
国别省市：