本申请涉及一种宫颈组织图像处理方法、装置、计算机设备和存储介质，能提升对宫颈组织图像中目标组织区域的识别准确率。所述方法包括：获取宫颈组织图像对应的高倍率宫颈组织图像以及低倍率宫颈组织图像；对高倍率宫颈组织图像和低倍率宫颈组织图像进行特征提取，得到高倍率宫颈组织图像对应的第一宫颈组织特征和低倍率宫颈组织图像对应的第二宫颈组织特征，并对第一宫颈组织特征和第二宫颈组织特征进行特征融合，得到目标宫颈组织特征；将目标宫颈组织特征输入到训练好的组织图像多类别分割模型，得到多类别概率分布图；根据多类别概率分布图，确定宫颈组织图像中的所述目标组织区域。织区域。织区域。
【技术实现步骤摘要】
宫颈组织图像处理方法、装置、计算机设备和存储介质
[0001]本申请涉及计算机
，特别是涉及一种宫颈组织图像处理方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着计算机视觉技术及硬件的发展，借助辅助诊断系统对病理玻片进行分析称为了可能。
[0003]在相关技术中，针对宫颈组织的切片图像的分析，可以利用训练好的模型，在极低的倍率下对宫颈组织切片图像中的目标区域进行识别，但实践中发现，此方式存在多个目标区域遗漏或识别错误的情况，对宫颈组织切片图像的识别准确率较低。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够提升宫颈组织切片图像的识别准确率的宫颈组织图像处理方法、装置、计算机设备和计算机可读存储介质。
[0005]第一方面，本申请提供了一种宫颈组织图像处理方法。所述方法包括：获取宫颈组织图像对应的高倍率宫颈组织图像以及低倍率宫颈组织图像；对所述高倍率宫颈组织图像和所述低倍率宫颈组织图像进行特征提取，得到所述高倍率宫颈组织图像对应的第一宫颈组织特征和所述低倍率宫颈组织图像对应的第二宫颈组织特征，并对所述第一宫颈组织特征和第二宫颈组织特征进行特征融合，得到目标宫颈组织特征；将所述目标宫颈组织特征输入到训练好的组织图像多类别分割模型，得到所述组织图像多类别分割模型输出多种类别的组织各自对应的多类别概率分布图；在每种类别的组织对应的多类别概率分布图中，每个像素点的像素值表征所述像素点属于该类别的组织对应的目标组织区域的概率；根据所述多类别概率分布图，确定所述宫颈组织图像中的所述目标组织区域。
[0006]在其中一个实施例中，所述获取宫颈组织图像对应的高倍率宫颈组织图像以及低倍率宫颈组织图像，包括：对待识别的组织切片图像进行前景区域识别，得到所述组织切片图像中的宫颈组织对应的宫颈组织图像；获取所述宫颈组织图像对应的多个图像块中每个图像块对应的低倍率图像，得到所述宫颈组织图像对应的低倍率宫颈组织图像，以及，获取所述多个图像块中每个图像块对应的高倍率图像，并将所述高倍率图像切分为多个高倍率图像块，作为所述宫颈组织图像对应的高倍率宫颈组织图像；所述组织切片图像的倍率小于所述低倍率图像的倍率。
[0007]在其中一个实施例中，所述对待识别的组织切片图像进行前景区域识别，得到所述组织切片图像中的宫颈组织对应的宫颈组织图像，包括：对待识别的组织切片图像进行二值化处理，并获取二值化处理后的所述组织切片
图像对应的多个图像块；确定每个所述图像块中的目标像素点的数量，并将所述目标像素点的数量超过数量阈值的图像块，确定为宫颈组织对应的宫颈组织图像；所述目标像素点为像素值满足预设像素值条件的像素点。
[0008]在其中一个实施例中，所述根据所述多类别概率分布图，确定所述宫颈组织图像中的所述目标组织区域，包括：针对每种类别的组织对应的多类别概率分布图，确定所述多类别概率分布图中多个像素点对应的像素值统计特征；将各个多类别概率分布图的所述像素值统计特征输入到训练好的分类器，由所述分类器基于输入的各个所述像素值统计特征确定所述宫颈组织图像中的多个异常区域和各所述异常区域对应的类型；根据各所述异常区域对应的类型，确定所述宫颈组织图像中各类别的组织对应的目标组织区域。
[0009]在其中一个实施例中，所述将各个多类别概率分布图的所述像素值统计特征输入到训练好的分类器，由所述分类器基于输入的各个所述像素值统计特征确定所述宫颈组织图像中的多个异常区域和各所述异常区域对应的类型，包括：将输入的各个所述像素值统计特征与所述目标宫颈组织特征进行融合，得到融合后的图像特征；将所述融合后的图像特征输入到训练好的分类器，由所述分类器基于所述融合后的图像特征确定所述宫颈组织图像中的多个异常区域和各所述异常区域对应的类型。
[0010]在其中一个实施例中，所述对所述高倍率宫颈组织图像和所述低倍率宫颈组织图像进行特征提取，得到所述高倍率宫颈组织图像对应的第一宫颈组织特征和所述低倍率宫颈组织图像对应的第二宫颈组织特征，包括：将所述高倍率宫颈组织图像和所述低倍率宫颈组织图像输入到相同的特征提取网络，由所述特征提取网络分别确定所述高倍率宫颈组织图像对应的第一宫颈组织特征以及所述低倍率宫颈组织图像对应的第二宫颈组织特征。
[0011]在其中一个实施例中，所述对所述高倍率宫颈组织图像和所述低倍率宫颈组织图像进行特征提取，得到所述高倍率宫颈组织图像对应的第一宫颈组织特征和所述低倍率宫颈组织图像对应的第二宫颈组织特征，包括：将所述高倍率宫颈组织图像输入到高倍图像特征提取网络，得到所述高倍图像特征提取网络输出的所述高倍率宫颈组织图像对应的第一宫颈组织特征；以及，将所述低倍率宫颈组织图像输入到低倍图像特征提取网络，得到所述低倍图像特征提取网络输出的所述低倍率宫颈组织图像对应的第二宫颈组织特征。
[0012]第二方面，本申请还提供了一种宫颈组织图像处理装置。所述装置包括：高低倍率组织图像获取模块，用于获取宫颈组织图像对应的高倍率宫颈组织图像以及低倍率宫颈组织图像；特征提取模块，用于对所述高倍率宫颈组织图像和所述低倍率宫颈组织图像进行特征提取，得到所述高倍率宫颈组织图像对应的第一宫颈组织特征和所述低倍率宫颈组织
图像对应的第二宫颈组织特征，并对所述第一宫颈组织特征和第二宫颈组织特征进行特征融合，得到目标宫颈组织特征；分割模块，用于将所述目标宫颈组织特征输入到训练好的组织图像多类别分割模型，得到所述组织图像多类别分割模型输出多种类别的组织各自对应的多类别概率分布图；在每种类别的组织对应的多类别概率分布图中，每个像素点的像素值表征所述像素点属于该类别的组织对应的目标组织区域的概率；目标区域确定模块，用于根据所述多类别概率分布图，确定所述宫颈组织图像中的所述目标组织区域。
[0013]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取宫颈组织图像对应的高倍率宫颈组织图像以及低倍率宫颈组织图像；对所述高倍率宫颈组织图像和所述低倍率宫颈组织图像进行特征提取，得到所述高倍率宫颈组织图像对应的第一宫颈组织特征和所述低倍率宫颈组织图像对应的第二宫颈组织特征，并对所述第一宫颈组织特征和第二宫颈组织特征进行特征融合，得到目标宫颈组织特征；将所述目标宫颈组织特征输入到训练好的组织图像多类别分割模型，得到所述组织图像多类别分割模型输出多种类别的组织各自对应的多类别概率分布图；在每种类别的组织对应的多类别概率分布图中，每个像素点的像素值表征所述像素点属于该类别的组织对应的目标组织区域的概率；根据所述多类别概率分布图，确定所述宫颈组织图像中的所述目标组织区域。
[0014]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取宫颈组织图像对应的高倍率宫颈组织图像以及低倍率宫颈组织图像；对所述高倍率宫颈组织图像和所述低倍率本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种宫颈组织图像处理方法，其特征在于，所述方法包括：获取宫颈组织图像对应的高倍率宫颈组织图像以及低倍率宫颈组织图像；对所述高倍率宫颈组织图像和所述低倍率宫颈组织图像进行特征提取，得到所述高倍率宫颈组织图像对应的第一宫颈组织特征和所述低倍率宫颈组织图像对应的第二宫颈组织特征，并对所述第一宫颈组织特征和第二宫颈组织特征进行特征融合，得到目标宫颈组织特征；将所述目标宫颈组织特征输入到训练好的组织图像多类别分割模型，得到所述组织图像多类别分割模型输出多种类别的组织各自对应的多类别概率分布图；在每种类别的组织对应的多类别概率分布图中，每个像素点的像素值表征所述像素点属于该类别的组织对应的目标组织区域的概率；根据所述多类别概率分布图，确定所述宫颈组织图像中的所述目标组织区域。2.根据权利要求1所述的方法，其特征在于，所述获取宫颈组织图像对应的高倍率宫颈组织图像以及低倍率宫颈组织图像，包括：对待识别的组织切片图像进行前景区域识别，得到所述组织切片图像中的宫颈组织对应的宫颈组织图像；获取所述宫颈组织图像对应的多个图像块中每个图像块对应的低倍率图像，得到所述宫颈组织图像对应的低倍率宫颈组织图像，以及，获取所述多个图像块中每个图像块对应的高倍率图像，并将所述高倍率图像切分为多个高倍率图像块，作为所述宫颈组织图像对应的高倍率宫颈组织图像；所述组织切片图像的倍率小于所述低倍率图像的倍率。3.根据权利要求2所述的方法，其特征在于，所述对待识别的组织切片图像进行前景区域识别，得到所述组织切片图像中的宫颈组织对应的宫颈组织图像，包括：对待识别的组织切片图像进行二值化处理，并获取二值化处理后的所述组织切片图像对应的多个图像块；确定每个所述图像块中的目标像素点的数量，并将所述目标像素点的数量超过数量阈值的图像块，确定为宫颈组织对应的宫颈组织图像；所述目标像素点为像素值满足预设像素值条件的像素点。4.根据权利要求1所述的方法，其特征在于，所述根据所述多类别概率分布图，确定所述宫颈组织图像中的所述目标组织区域，包括：针对每种类别的组织对应的多类别概率分布图，确定所述多类别概率分布图中多个像素点对应的像素值统计特征；将各个多类别概率分布图的所述像素值统计特征输入到训练好的分类器，由所述分类器基于输入的各个所述像素值统计特征确定所述宫颈组织图像中的多个异常区域和各所述异常区域对应的类型；根据各所述异常区域对应的类型，确定所述宫颈组织图像中的目标组织区域。5.根据权利要求4所述的方法，其特征在于，所述将各个多类别概率分布图的所述像素值统计特征输入到训练好的分类器，由所述分类器基于输入的各个所述像素值统计特征确定所述宫颈组织图像中的多个异常区域和各所述异常区域对应的类型，...
【专利技术属性】
技术研发人员：林真，汪进，陈睿，
申请(专利权)人：赛维森广州医疗科技服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。