一种病理图像AI分析结果的存储及显示方法技术

本发明专利技术提供一种病理图像AI分析结果的存储及显示方法，包括以下步骤，构建三维坐标系，并在三维坐标系中设若干层级且大小相同的网格区域；根据每一层级网格区域的坐标，将同一病理图像分别分布到各层网格区域；根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储。本发明专利技术的存储方法，对病理图像的AI分析结果采用分层和分块的存储方式，在显示AI结果时，根据浏览器窗口所处的视野层级和区域坐标，动态地查询出其所对应的网格内的数据并在浏览器上进行渲染有效降低了渲染要求，并防止了浏览器出现卡顿和崩溃。并防止了浏览器出现卡顿和崩溃。并防止了浏览器出现卡顿和崩溃。

【技术实现步骤摘要】
一种病理图像AI分析结果的存储及显示方法


[0001]本专利技术属于计算机视觉图像处理
，尤其涉及一种病理图像AI分析结果的存储及显示方法。

技术介绍

[0002]病理切片数字化是指将病理切片通过高通量扫描仪进行扫描，采集得到高分辨率图片，再通过计算机应用将所得的图像进行高精度无缝拼接和处理，得到超高分辨率的全场扫描图像。一张数字病理全场图像是由上亿像素组成，往往包含数十万甚至上百万个细胞。在当前病理科智慧化的大背景下，病理诊断通常与人工智能辅助判读相结合，使用深度神经网络对病理图像进行分析后， 再将分析结果渲染成矢量图覆盖到全场图像上，且这些矢量图标注是可以进行增删和修改的。
[0003]常见的细胞检测、细胞分割等人工智能算法，需要将每个细胞的中心位置或是轮廓都渲染到全场图上。一次性绘制大量的矢量图，会大量消耗客户端CPU和内存资源，且需要较长的渲染时间，从而导致客户端的卡顿甚至崩溃，影响客户的使用体验。除此之外，病理医生在实际诊断的过程中，会需要对局部区域的细胞或是组织进行量化分析，而这种局部区域又是根据医生观察的视野动态改变的。

技术实现思路

[0004]本专利技术的主要目的是提出一种病理图像AI分析结果的存储及显示方法，旨在解决图片渲染导致客户端的卡顿和崩溃以及不能根据医生实时观察的视野进行动态地量化分析的技术问题。
[0005]为实现上述目的，本专利技术提出一种病理图像AI分析结果的存储方法，包括以下步骤：构建三维坐标系，并在三维坐标系中设若干层级大小相同的网格区域；根据每一层级网格区域的坐标，将同一病理图像分别分布到各层网格区域；根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储。
[0006]可选的，构建三维坐标系，并在三维坐标系中设若干层级大小相同的网格区域的步骤中，网格视野区域的大小随层级减小而呈指数级增大，且最大网格区域正适应全分辨率的病理图像。
[0007]可选的，根据每一层级网格区域的坐标，将同一病理图像分别分布到各层网格区域的步骤中，各网格区域中网格的边长均为d像素，且每一网格在不同层级中对应的全分辨率视野区域的边长为像素，其中N为最大层级，z为当前层级，d为网格的边长。
[0008]可选的，根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储的步骤中，标记点的坐标)，对应的网格坐标，其中
，，z为当前层级，d为网格的边长。
[0009]可选的，根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储的步骤中，标记点在病理图像上的位置为AI分析检测到的细胞核中心位置。
[0010]可选的，根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储的步骤中，随着层级的减小，对每一层级中存储的标记点的个数做下采样。
[0011]可选的，根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储的步骤中，当某一层级的标记点的个数小于一定数量时，停止做下采样。
[0012]可选的，根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储的步骤中，做下采样后的层级中存储的标记点个数随着层级的减小而呈指数级减少。
[0013]本专利技术还提出了一种病理图像AI分析结果的显示方法，所述显示方法使用了上述的病理图像AI分析结果的存储方法生成的存储结构，包括以下步骤：对每个层级每个网格的各类细胞计数进行统计和计算并存储到数据库中；在数据库中查询到与浏览器视野层级中的视野区域有重叠的网格，并将网格中的量化数据读入内存；对与浏览器视野区域边界相交的网格进行拆分，计算出其在上一层级对应的网格，并将网格中的量化数据读入内存；重复上一步骤，直到最高层级网格不可再拆分时终止，将读入内存的量化数据进行合并，返回给浏览器进行显示。
[0014]可选的，重复上一步骤，直到最高层级网格不可再拆分时终止，将读入内存的量化数据进行合并，返回给浏览器进行显示的步骤中，显示内容包括浏览器视野区域中的目标细胞个数及其占比。
[0015]本专利技术的技术方案中，通过建立具有若干层级且不同大小的网格区域的三维坐标系，并将病理图像一一分布在各层网格区域，使得病理图像上的AI分析结果能够以分层以及分块的形式进行存储。在显示AI结果时，根据浏览器窗口所处的视野层级和区域坐标，动态地查询出其所对应的网格内的数据并在浏览器上进行渲染有效降低了渲染要求，并防止了浏览器出现卡顿和崩溃。
附图说明
[0016]图1为本专利技术提出的病理图像AI分析结果的存储方法的一实施例的流程示意图；图2为本专利技术提供的病理图像AI分析结果的存储方法一实施例的存储结构图；图3为本专利技术提供的病理图像AI分析结果的存储方法一实施例的三维坐标系的示意图；图4为本专利技术提出的病理图像AI分析结果的存储方法一实施例的流程示意图；图5为本专利技术提出的病理图像AI分析结果的显示方法一实施例的病理图像AI分析结果示意图；图6为本专利技术提出的病理图像AI分析结果的显示方法一实施例的病理图像AI实时量化分析的结果示意图。
具体实施方式
[0017]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0018]为了更好地描述和说明本申请的实施例，可参考一幅或多幅附图，但用于描述附图的附加细节或示例不应当被认为是对本申请的专利技术创造、目前所描述的实施例或优选方式中任何一者的范围的限制。
[0019]在本专利技术的描述中，需要说明的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的位置关系，仅是为了便于描述本专利技术，而不是指示所指的装置必须具有特定的方位或以特定的方位操作，因此不能理解为对本专利技术的限制。
[0020]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
[0021]病理图像的AI分析一般是从全场图像最大分辨率层读取图像进行分析的，常见的AI分析类型包括细胞检测，细胞分类，组织区域分割等，这些AI分析的目的大多是为了对病理切片进行量化分析，从而帮助病理医生进行精确诊断，例如分析某类肿瘤细胞占整个组织区域的比例，从而确定癌变的级别进而帮助医生决定后续的治疗方案。
[0022]为了提供AI分析结果的可解释性和可靠性，一般需要将AI对每个细胞的分析结果渲染至全场图像上，一张全场图像上包含数以百万计的细胞，若在显示时候一次性地像服务器请求数以百万计的标记点并渲染到图像上，会导致浏览器的卡顿和崩溃。
[002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AI分析结果的存储方法，其特征在于，包括以下步骤：构建三维坐标系，并在三维坐标系中设若干层级大小相同的网格区域；根据每一层级网格区域的坐标，将同一病理图像分别分布到各层网格区域；根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储。2.如权利要求1所述的病理图像AI分析结果的存储方法，其特征在于，构建三维坐标系，并在三维坐标系中设若干层级大小相同的网格区域的步骤中，各网格区域中网格对应的视野大小随层级减小而呈指数级增大，且最大层级的网格区域正适应全分辨率的病理图像。3.如权利要求1或2所述的病理图像AI分析结果的存储方法，其特征在于，根据每一层级网格区域的坐标，将同一病理图像分别分布到各层网格区域的步骤中，各网格区域中网格的边长均为d像素，且每一网格在不同层级中对应的全分辨率视野区域的边长为像素，其中N为最大层级，z为当前层级，d为网格的边长。4.如权利要求1或2所述的病理图像AI分析结果的存储方法，其特征在于，根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储的步骤中，标记点的坐标)，对应的网格坐标，其中，，z为当前层级，d为网格的边长。5.如权利要求1或2所述的病理图像AI分析结果的存储方法，其特征在于，根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储的步骤中，标记点在病理图像上的位置为AI分析检测到的细胞核中心位置。6.如权利要求1或2所述的病理图像AI分析结果的存储方法，其特征在于，根据病理图像上AI分析产生的标记点...

【专利技术属性】
技术研发人员：杨林，崔灿，祝骋路，邓超，徐建红，
申请(专利权)人：杭州迪英加科技有限公司，
类型：发明
国别省市：