【技术实现步骤摘要】
基于深度学习的肾脏图片处理方法、系统、设备及介质
[0001]本公开一般涉及医疗图片处理
,尤其涉及一种基于深度学习的肾脏图片处理方法、系统、设备及介质。
技术介绍
[0002]正常肾小球内含有不同形态和功能的细胞,包括毛细血管内皮细胞、足细胞、系膜细胞、球囊上皮细胞、血细胞等。考虑到肾脏的高血流量和尿液浓缩的特殊功能,肾脏对药物和环境化学物质的毒性作用非常敏感。药物毒性(一些异种蛋白、ADC类药物和单克隆抗体等生物制剂)、炎症和免疫机制等,均可引起肾小球内的细胞增生,从而形成特征性的形态学改变,并影响肾小球功能。因此在病理学领域,肾小球肾炎的诊断工作,主要由病理分析专家承担,诊断结果的准确性和效率主要取决于病理专家的知识储备和对肾脏病理图片的阅片经验。因此,现有的肾脏病理图片的处理效率较低,且无法精准的定位肾脏图片内肾小球肾炎的细节信息,指标单一。
技术实现思路
[0003]鉴于现有技术中的上述缺陷或不足,期望提供一种基于深度学习的肾脏图片处理方法、系统、设备及介质。
[0004]第一方面,提供一种基于深度学习的肾脏图片处理方法,包括:
[0005]对待处理的肾脏图进行预处理,得到处理后的肾脏图;
[0006]采用深度学习分割模型对所述处理后的肾脏图进行处理,得到具有肾小球轮廓的肾脏图;其中,所述具有肾小球轮廓的肾脏图包括多个肾小球;
[0007]从所述具有肾小球轮廓的肾脏图中定位每个肾小球内的毛细血管球,得到具有毛细血管球轮廓的肾脏图;
[0008]再 ...
【技术保护点】
【技术特征摘要】
1.基于深度学习的肾脏图片处理方法,其特征在于,包括:对待处理的肾脏图进行预处理,得到处理后的肾脏图;采用深度学习分割模型对所述处理后的肾脏图进行处理,得到具有肾小球轮廓的肾脏图;其中,所述具有肾小球轮廓的肾脏图包括多个肾小球;从所述具有肾小球轮廓的肾脏图中定位每个肾小球内的毛细血管球,得到具有毛细血管球轮廓的肾脏图;再从所述具有毛细血管球轮廓的肾脏图中分别定位毛细血管球内部的血细胞、细胞核和细胞基质。2.根据权利要求1所述的基于深度学习的肾脏图片处理方法,其特征在于,对待处理的肾脏图进行预处理,得到处理后的肾脏图,包括:对肾脏切片进行苏木精—伊红染色,扫描,得到肾脏HE切片图,所述肾脏HE切片图为待处理的肾脏图;先将所述肾脏HE切片图转化为RGBA格式的肾脏图,再将RGBA格式的肾脏图进行R、G、B、A四个通道分离,接着合并B、G、R三通道图片并转化为YUV格式图片,最后将YUV以及A四个通道进行阈值过滤,得到肾脏轮廓图;将所述肾脏轮廓图中肾脏的坐标映射到所述肾脏HE切片图对应的层级,得到处理后的肾脏图。3.根据权利要求2所述的基于深度学习的肾脏图片处理方法,其特征在于,采用单线性插值法或者双线性插值法将所述肾脏轮廓图中肾脏的坐标映射到所述肾脏HE切片图对应的层级,得到处理后的肾脏图。4.根据权利要求1
‑
3任一项所述的基于深度学习的肾脏图片处理方法,其特征在于,采用深度学习分割模型对所述处理后的肾脏图进行处理,得到具有肾小球轮廓的肾脏图,包括:将所述处理后的肾脏图进行切割,得到多张肾脏分块图片,记录每张肾脏分块图片的坐标;其中,切割的步长为所述肾脏分块图片尺寸的预设倍数;将多张所述肾脏分块图片输入到所述深度学习分割模型进行预测,对应得到多张二值图;其中,多张二值图的坐标与对应肾脏分块图片的坐标一致;对多张所述二值图内的肾小球进行粘连分割,并将多张所述二值图按照记录的坐标拼接成与所述处理后的肾脏图尺寸一致的图片,得到具有肾小球轮廓的肾脏图。5.根据权利要求4所述的基于深度学习的肾脏图片处理方法,其特征在于,采用分水岭算法或者凹点检测算法对多张所述二值图内的肾小球进行粘连分割。6.根据权利要求2所述的基于深度学习的肾脏图片处理方法,其特征在于,从所述具有肾小球轮廓的肾脏图中定位每个肾小球内的毛细血管球,得到具有毛细血管球轮廓的肾脏图,包括:将所述具有肾小球轮廓的肾脏图中获取每个肾小球切片图,将每个所述肾小球切片图转化为RGB格式的肾小球图片,并对所述RGB格式的肾小球图片进行至少两个通道的颜色阈值过滤,得到初始掩模二值图;确定所述肾小球内的外连通区域,将所述初始掩模二值图去除外连通区域,得到毛细血管球掩模二值图;其中,所述肾小球内的外连通区域指与鲍曼囊囊腔相连的肾小球内部
白腔;依次重复执行肾小球的颜色阈值过滤和外连通区域判定,再将所述毛细血管球掩模二值图与所述肾小球切片图进行位异或操作,得到具有毛细血管球轮廓的肾小球图;将所述具有毛细血管球轮廓的肾小球图中毛细血管球的坐标映射到所述肾脏HE切片图对应的层级,得到具有毛细血管球轮廓的肾脏图。7.根据权利要求6所述的基于深度学习的肾脏图片处理方法,其特征在于,从所述具有毛细血管球轮廓的肾脏图中定位毛细血管球内部血细胞的方法,包括:对所述具有肾小球轮廓的肾脏图进行模糊度判定,去除不符合条件的肾小球,得到包含合格肾小球的肾脏图;从所述包含合格肾小球的肾脏图中获取每个肾小球切片图,调整所述肾小球切片图的尺寸;对所述肾小球切片图进行毛细血管球定位,得到具有毛细血管球轮廓的肾小球图;将所述具有毛细血管球轮廓的肾小球图输入到深度学习分割模型中进行处理,得到具有血细胞轮廓的肾小球图;将所述具有血细胞轮廓的肾小球图中血细胞的坐标映射到所述肾脏HE切片图对应的层级,得到具有肾小球内血细胞轮廓的肾脏图。8.根据权利要求7所述的基于深度学习的肾脏图片处理方法,其特征在于,从所述具有毛细血管球轮廓的...
【专利技术属性】
技术研发人员:周冯源,王焕鹏,郑刚,邵伟,乔畅,史相杰,
申请(专利权)人:生仝智能科技北京有限公司,
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。