一种病理切片图像去笔迹的方法、设备及存储介质技术

本发明专利技术公开一种病理切片图像去笔迹的方法、设备及存储介质，该方法具体包括：S1：对病理切片进行扫描，获取WSI图像；S2：将WSI图像分成多个小图像块；S3：计算每个小图像块的颜色均值，获取平均颜色特征矩阵MAP；S4：对平均颜色特征矩阵MAP进行像素聚类；S5：对分类后的结果，根据先验知识找到含有笔迹的一类；对于笔迹类的平均颜色特征矩阵Map，更新其RGB值，得到新的颜色特征图newMap；将确定的笔迹类的小图像块，根据新的颜色特征图newMap，进行颜色调比，去除笔迹，保留原始图像细节；S6：将所有小图像块合并成原始大小的WSI图像。本发明专利技术通过使用多种特征联合判断的方式，找到需要去除的笔迹区域，并通过颜色调比的方式，既去掉了笔迹，又保留了图像细节。又保留了图像细节。又保留了图像细节。

【技术实现步骤摘要】
一种病理切片图像去笔迹的方法、设备及存储介质


[0001]本专利技术属于计算机医学图像信息处理
，具体涉及一种病理切片图像去笔迹的方法、设备及存储介质。

技术介绍

[0002]随着科学技术的进步和发展，依靠病理医生在显微镜下诊断的传统方式面临多种问题，例如耗时耗力，受医生主观影响比较大等，这使自动化病理诊断大规模发展。近年来，使用数字扫描仪创建病理组织的切片图像(全切片数字化成像，WholeSlideImage,WSI)，使病理医生的阅片可以不受显微镜的限制，极大地提高了病理教学、病例讨论等方面的效率，也使得远程会诊、开发病理人工智能等成为可能，全切片数字化成像(WSI)的使用因此越来越广泛。WSI图像的数据量非常大，通常WSI图像包含上亿数量级的像素。
[0003]通过病理图像快速采集设备获得清晰的样本图像至关重要。病理切片数字化积累了大量的数据，是人工智能辅助病理诊断的重要前提，每天会有大量的样本被扫描。但是在使用过程中，也产生了一些问题，比如在载玻片的制备过程中，大量的玻片，医生在显微镜下使用记号笔进行了标记，这些标记也被扫描到WSI里面，对使用造成了巨大的困扰，这也制约了WSI的临床病理应用。
[0004]由于笔迹原因导致被舍弃的载玻片在很大程度上拖累了临床病理工作流程，因为这些载玻片均需要重新制作或重新扫描，从而导致延长病理诊断的时间，造成人力、物力的浪费。若直接使用该图像，则会对疾病检测、诊断和预后等任务的分类器的开发和验证造成不利的影响，对于基于深度学习和机器学习来说尤为明显。r/>
技术实现思路

[0005]为了解决上述技术问题，本专利技术提出了一种病理切片图像去笔迹的方法、设备及存储介质。
[0006]为了达到上述目的，本专利技术的技术方案如下：
[0007]一方面，本专利技术公开一种病理切片图像去笔迹的方法，具体包括以下步骤：
[0008]S1：对病理切片进行扫描，获取WSI图像；
[0009]S2：将WSI图像分成多个小图像块；
[0010]S3：计算每个小图像块的颜色均值，获取平均颜色特征矩阵MAP；
[0011]S4：对平均颜色特征矩阵MAP进行像素聚类；
[0012]S5：对分类后的结果，根据先验知识找到含有笔迹的一类；
[0013]对于笔迹类的平均颜色特征矩阵Map，更新其RGB值，得到新的颜色特征图newMap；
[0014]将确定的笔迹类的小图像块，根据新的颜色特征图newMap，进行颜色调比，去除笔迹，保留原始图像细节；
[0015]S6：将所有小图像块合并成原始大小的WSI图像。
[0016]在上述技术方案的基础上，还可做如下改进：
[0017]作为优选的方案，S3具体通过下式得到平均颜色特征矩阵MAP；
[0018]M(i，j)＝mean(block
(i,j)
)；
[0019]其中：M(i，j)为第i行，第j列的小图像块的平均颜色特征矩阵；
[0020]block
(i,j)
为第i行，第j列的小图像块。
[0021]作为优选的方案，分类后的结果包括：背景和脂肪类、笔迹类以及正常组织类。
[0022]作为优选的方案，S5中“对于笔迹类的平均颜色特征矩阵Map，更新其RGB值，得到新的颜色特征图newMap”具体包括以下内容：
[0023]对于笔迹类的平均颜色特征矩阵Map中的每个像素，使用其邻域类的RGB三个通量的中值替代其原始值，得到新的颜色特征图newMap。
[0024]作为优选的方案，S5中“将确定的笔迹类的小图像块，根据新的颜色特征图newMap，进行颜色调比，去除笔迹，保留原始图像细节”具体包括以下内容：
[0025]对于笔迹类的小图像块block
(k,t)
，找到对应的颜色特征图newMap中的颜色参数，计算每个通道的颜色调比因子；
[0026]Kr＝R(newMap(k，t))/mr；
[0027]Kg＝G(newMap(k，t))/mg；
[0028]Kb＝B(newMap(k，t))/mb；
[0029]其中：mr、mg、mb分别为RGB的均值；
[0030]使用上述调比因子，对笔迹类的小图像block
(k,t)
中的所有像素，进行颜色调比；
[0031]对任意一点P，其RGB三个通道像素值如下：
[0032]R(P)＝R(P)*Kr；
[0033]G(P)＝G(P)*Kg；
[0034]B(P)＝B(P)*Kb。
[0035]作为优选的方案，S6具体包括以下内容：将所有小图像块按序合并成原始大小的WSI图像。
[0036]此外，本专利技术还公开一种病理切片图像去笔迹的设备，包括：
[0037]一个或多个处理器；
[0038]存储器；
[0039]以及一个或多个程序，其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序包括用于上述任一种病理切片图像去笔迹的方法。
[0040]此外，本专利技术还公开一种存储介质，存储介质存储一个或多个程序，一个或多个程序包括指令，指令适于由存储器加载并执行上述任一种病理切片图像去笔迹的方法。
[0041]本专利技术一种病理切片图像去笔迹的方法、设备及存储介质，通过使用多种特征联合判断的方式，找到需要去除的笔迹区域，并通过颜色调比的方式，既去掉了笔迹，又保留了图像细节。其具有以下有益效果：
[0042]第一，本专利技术采用多种特征组合判断的方式，从不同粒度去提取特征。
[0043]第二，本专利技术采用无监督的方法，无需进行额外标注。
[0044]第三，本专利技术利用宏观特征和微观特征进行判断，先通过宏观特征对小图像块进行分类，减小了运算量，再使用细节特征，确定为笔迹，最后进行去除。
[0045]综上述，本专利技术大大提高了病理图像的使用效率，使得病理图像被广泛应用变成
可能，具有极高的临床意义。
附图说明
[0046]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0047]图1为本专利技术实施例提供的病理切片图像去笔迹的方法的流程图。
[0048]图2为本专利技术实施例提供的带有笔迹的WSI图像。
[0049]图3为本专利技术实施例提供的将WSI图像分成多个小图像块block的示意图。
[0050]图4为本专利技术实施例提供的由小图像块计算平均颜色特征矩阵MAP的示意图。
[0051]图5为本专利技术实施例提供的对平均颜色特征矩阵MAP进行像素聚类示意图。
[0052]图6为本专利技术实施例提供的颜色调本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种病理切片图像去笔迹的方法，其特征在于，具体包括以下步骤：S1：对病理切片进行扫描，获取WSI图像；S2：将WSI图像分成多个小图像块；S3：计算每个小图像块的颜色均值，获取平均颜色特征矩阵MAP；S4：对平均颜色特征矩阵MAP进行像素聚类；S5：对分类后的结果，根据先验知识找到含有笔迹的一类；对于笔迹类的平均颜色特征矩阵Map，更新其RGB值，得到新的颜色特征图newMap；将确定的笔迹类的小图像块，根据新的颜色特征图newMap，进行颜色调比，去除笔迹，保留原始图像细节；S6：将所有小图像块合并成原始大小的WSI图像。2.根据权利要求1所述的方法，其特征在于，S3具体通过下式得到平均颜色特征矩阵MAP；M(i，j)＝mean(block
(i,j)
)；其中：M(i，j)为第i行，第j列的小图像块的平均颜色特征矩阵；block
(i,j)
为第i行，第j列的小图像块。3.根据权利要求1所述的方法，其特征在于，S5中，分类后的结果包括：背景和脂肪类、笔迹类以及正常组织类。4.根据权利要求1所述的方法，其特征在于，S5中“对于笔迹类的平均颜色特征矩阵Map，更新其RGB值，得到新的颜色特征图newMap”具体包括以下内容：对于笔迹类的平均颜色特征矩阵Map中的每个像素，使用其邻域类的RGB三个通量的中值替代其原始值，得到新的颜色特征图newMap。5.根据权利要求1所述的方法，其特征在于，S5中“将确...

【专利技术属性】
技术研发人员：徐清华，文虎儿，
申请(专利权)人：杭州可帮医学检验实验室有限公司，
类型：发明
国别省市：