【技术实现步骤摘要】
一种基于一致性语义分割的图像分析方法、设备及系统
[0001]本专利技术涉及计算机视觉和病理学图像分析领域,更具体地,涉及一种基于一致性语义分割的图像分析方法、设备、系统、计算机可读存储介质及其应用。
技术介绍
[0002]缺血性心脏病,包括心肌梗塞,是一种严重危害人类健康的心血管疾病。在缺血性心脏病、心肌梗死和相关药物的研究中,通常对接受不同治疗或药物的动物进行对比实验,对心脏切片进行染色,通过计算不同染色区域的面积,以验证治疗和药物的效果。药物的效果通常根据动物心脏切片上左心室不同梗塞面积比例确定。大鼠心脏切片图像的分割和梗死面积的测量是处理缺血性心脏病动物实验数据中梗死面积测量的重要组成部分。对来自各种生物组织的病理切片的可靠和准确的实验数据进行有效分析仍然是一个挑战。
[0003]心脏切片图像的梗死面积测量是一项困难又耗时的工作,当前研究人员处理大鼠心脏染色切片计算心梗面积的方法是使用一些通用图像处理软件,如ImageJ,通过人工标注得到最终不同染色区域面积的实验数据。拍摄的样本图像分辨率高达6000x4000,每组实验的样本图像较多,标注过程枯燥且耗时,在科研工作中占用了大量时间,而且受实验动物样本数量和个体差异的制约,需要分析的心脏切片样本图像数量多,且组内和组间个体的染色图像差异大。
[0004]近年来,随着计算机视觉领域的发展,使用计算机技术辅助处理各种医学数据与模型的方法成为一个热门研究和应用领域。目前基于人工智能技术在医学图像处理领域的发展,将其应用于解决并简化人工标注和统计工作成 ...
【技术保护点】
【技术特征摘要】
1.一种基于一致性语义分割的图像分析方法,包括:获取待预测的心脏染色切片图像;将所述待预测的心脏染色切片图像输入一致性语义分割模型,得到目标区域,其中,所述目标区域包括梗死区域、危险区域、左心室区域;基于所述目标区域分别计算得到梗死区域面积、危险区域面积和左心室区域面积;基于梗死区域面积、危险区域面积和左心室区域面积计算并输出相关指标:梗死区域/危险区域、危险区域/左心室区域、梗死区域/左心室区域。2.根据权利要求1所述的基于一致性语义分割的图像分析方法,其特征在于,所述获取待预测的心脏染色切片图像,还包括根据基于RGB颜色空间量化的心脏染色切片颜色区域对待预测的心脏染色切片图像依次进行采样;优选的,所述采样的过程包括:根据所述心脏染色切片颜色区域对具有弱标注的待预测的心脏染色切片图像依次进行采样,按颜色对每个类采样多个样本点,将每类样本点的平均值作为类中心点,通过计算并比较每个像素点与所有类中心点的欧式距离,得到像素点分类到最近距离所属的类,如下式所示:c
(i)
=argmin(dist(x
i,j
)),j∈{1,2,3}其中,函数argmin(
·
)用于为检索最小距离所属类的下标,dist(
·
)用于计算每个像素点与所有类中心点的欧式距离,c
(i)
表示待预测的心脏染色切片图像中位置索引为i的像素所属类,j为类别索引,标号1、2、3所属类为三种颜色,三种颜色所代表的是对应的三种目标区域。3.根据权利要求1所述的基于一致性语义分割的图像分析方法,其特征在于,所述基于所述目标区域分别计算得到梗死区域面积、危险区域面积和左心室区域面积,通过计算不同目标区域所占像素的数量得到相应的各个区域面积。4.根据权利要求1所述的基于一致性语义分割的图像分析方法,其特征在于,所述一致性语义分割模型基于下列语义分割网络中的任意一种或几种构建:全卷积网络、U
‑
Net、Mask2Former、DeepLab3+、ST++、DiT;优选的,所述一致性语义分割模型通过半监督语义分割方法实现,所述半监督语义分割基于伪标记生成方法与语义分割网络实现模型一致性学习和训练,具体的,所述半监督语义分割通过编码器对输入的图像生成编码特征图像,然后将所述编码特征图像中的特征信息解码为所述输入的图像相对应的语义分割图像,在网络训练中完成无监督部分和有监督部分的一致性学习和训练;可选的,所述编码器基于下列网络模型中的任意一种或几种构建:卷积神经网络、深度神经网络、LSTM/GRU;优选的,所述编码器的编码过程为:以卷积神经网络作为主干网络构建编码器结构,输入图像得到特征图,将特征图通过金字塔池化模块中有限个不同输出尺度的自适应平均池化层,得到自适应平均池化后的包含局部和全局上下文特征信息的不同尺度特征图,对不同尺度特征图进行重采样,得到最终的与输入金字塔池化模块前的特征图相同尺寸大小的编码特征图像。5.根据权...
【专利技术属性】
技术研发人员:王耀辉,朱小柯,魏寅祥,王贵玲,张海龙,
申请(专利权)人:河南大学,
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。