基于机器视觉的甲状腺癌病理图像处理系统技术方案

本申请涉及智能检测领域，其具体地公开了一种基于机器视觉的甲状腺癌病理图像处理系统，其通过采用基于机器视觉的人工智能检测技术，以通过对于甲状腺冰冻切片图像进行分辨率增强后进行分块处理，以提取出增强后甲状腺冰冻切片图像的各个图像块特征基于全局的关于所述甲状腺冰冻切片的病变隐藏关联性特征分布信息，并以此进行状腺冰冻切片类型的分类判断，从而在对于甲状腺冰冻切片的病变类型进行准确地检测判断基础上推进人工智能在病理领域的临床预研工作。域的临床预研工作。

【技术实现步骤摘要】
基于机器视觉的甲状腺癌病理图像处理系统


[0001]本申请涉及智能检测领域，且更为具体地，涉及一种基于机器视觉的甲状腺癌病理图像处理系统。

技术介绍

[0002]近几十年来，世界上多个国家的甲状腺癌发病率逐年上升。病理报告始终是甲状腺癌临床诊断和治疗的金标准，且精准的术中冰冻病理报告在患者确诊和治疗过程中具有重要的临床指导意义。
[0003]随着计算机视觉技术在医疗领域的快速发展，越来越多的人工智能技术在临床医疗领域中完全落地，即重复简单的临床工作交给人工智能，专家医生可专注于临床疑难病例和医疗难题的研究。同理，人工智能技术也提供了解决当前病理医生严重短缺问题的可能性。
[0004]因此，期待一种基于机器视觉的甲状腺癌病理图像处理方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于机器视觉的甲状腺癌病理图像处理系统，其通过采用基于机器视觉的人工智能检测技术，以通过对于甲状腺冰冻切片图像进行分辨率增强后进行分块处理，以提取出增强后甲状腺冰冻切片图像的各个图像块特征基于全局的关于所述甲状腺冰冻切片的病变隐藏关联性特征分布信息，并以此进行状腺冰冻切片类型的分类判断，从而在对于甲状腺冰冻切片的病变类型进行准确地检测判断基础上推进人工智能在病理领域的临床预研工作。
[0006]根据本申请的一个方面，提供了一种基于机器视觉的甲状腺癌病理图像处理系统，其包括：切片数据获取模块，用于获取甲状腺冰冻切片图像；分辨率增强模块，用于将所述甲状腺冰冻切片图像通过基于自动编解码器的分辨率增强器以得到高分辨率甲状腺冰冻切片图像；图像分块模块，用于对所述高分辨率甲状腺冰冻切片图像进行图像分块处理以得到图像块序列；图像特征提取模块，用于将所述图像块序列中各个图像块通过作为过滤器的卷积神经网络模型以得到图像块特征向量的序列；全局关联语义理解模块，用于将所述图像块特征向量的序列通过基于转换器的全局编码器以得到甲状腺冰冻切片语义理解特征向量；优化模块，用于对所述甲状腺冰冻切片语义理解特征向量进行向量赋范的希尔伯特概率空间化以得到优化甲状腺冰冻切片语义理解特征向量；以及结果生成模块，用于将所述优化甲状腺冰冻切片语义理解特征向量通过多标签分类器以得到分类结果，所述多标签分类器的类标签包括甲状腺冰冻切片为良性病变、甲状腺冰冻切片为恶性病变以及难以准确检测出恶性病变的甲状腺冰冻切片类型。
[0007]在上述基于机器视觉的甲状腺癌病理图像处理系统中，所述分辨率增强模块，包括：信号编码单元，用于使用所述分辨率增强器的图像编码器从所述甲状腺冰冻切片图像提取甲状腺冰冻切片特征图，其中，所述分辨率增强器的编码器为卷积层；以及，信号解码
单元，用于使用所述分辨率增强器的图像解码器对所述甲状腺冰冻切片特征图进行解码以得到所述高分辨率甲状腺冰冻切片图像，其中，所述分辨率增强器的解码器为反卷积层。
[0008]在上述基于机器视觉的甲状腺癌病理图像处理系统中，所述图像分块模块，包括：将所述高分辨率甲状腺冰冻切片图像进行均匀分块处理以得到图像块序列。
[0009]在上述基于机器视觉的甲状腺癌病理图像处理系统中，所述图像特征提取模块，用于：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的卷积神经网络的最后一层的输出为所述图像块特征向量的序列，所述作为过滤器的卷积神经网络的第一层的输入为所述图像块序列中各个图像块。
[0010]在上述基于机器视觉的甲状腺癌病理图像处理系统中，所述作为过滤器的卷积神经网络模型为深度残差网络模型。
[0011]在上述基于机器视觉的甲状腺癌病理图像处理系统中，所述全局关联语义理解模块，包括：上下文关联编码单元，用于使用所述包含嵌入层的全局编码器的转换器对所述图像块特征向量的序列进行基于转换器思想的全局上下文语义编码以得到多个全局上下文语义图像块特征向量；以及，级联单元，用于将所述多个全局上下文语义图像块特征向量进行级联以得到所述甲状腺冰冻切片语义理解特征向量。
[0012]在上述基于机器视觉的甲状腺癌病理图像处理系统中，所述上下文关联编码单元，包括：查询向量构造子单元，用于将所述图像块特征向量的序列进行一维排列以得到全局图像块特征向量；自注意子单元，用于计算所述全局图像块特征向量与所述图像块特征向量的序列中各个图像块特征向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；注意力施加子单元，用于分别以所述多个概率值中各个概率值作为权重对所述图像块特征向量的序列中各个图像块特征向量进行加权以得到所述多个上下文语义图像块特征向量；级联子单元，用于将所述多个上下文语义图像块特征向量进行级联以得到所述多个全局上下文语义图像块特征向量。
[0013]在上述基于机器视觉的甲状腺癌病理图像处理系统中，所述优化模块，进一步用于：以如下公式对所述甲状腺冰冻切片语义理解特征向量进行向量赋范的希尔伯特概率空间化以得到所述优化甲状腺冰冻切片语义理解特征向量；其中，所述公式为：，其中，是所述甲状腺冰冻切片语义理解特征向量，表示所述甲状腺冰冻切片语义理解特征向量的二范数，表示所述甲状腺冰冻切片语义理解特征向量的二范数的平方，是所述甲状腺冰冻切片语义理解特征向量的第个特征值，示向量的指数运算，所述向量的指数运算表示计算以向量中各个位置的特征值为幂的自然指数函数值，且是所述优化甲状腺冰冻切片语义理解特
征向量的第个特征值。
[0014]在上述基于机器视觉的甲状腺癌病理图像处理系统中，所述结果生成模块，用于：使用所述分类器以如下公式对所述述优化甲状腺冰冻切片语义理解特征向量进行处理以获得分类结果，其中，所述公式为：，其中，到 为权重矩阵，到为偏置向量，为述优化甲状腺冰冻切片语义理解特征向量。
[0015]根据本申请的另一方面，提供了一种基于机器视觉的甲状腺癌病理图像处理方法，其包括：获取的甲状腺冰冻切片图像；将所述甲状腺冰冻切片图像通过基于自动编解码器的分辨率增强器以得到高分辨率甲状腺冰冻切片图像；对所述高分辨率甲状腺冰冻切片图像进行图像分块处理以得到图像块序列；将所述图像块序列中各个图像块通过作为过滤器的卷积神经网络模型以得到图像块特征向量的序列；将所述图像块特征向量的序列通过基于转换器的全局编码器以得到甲状腺冰冻切片语义理解特征向量；对所述甲状腺冰冻切片语义理解特征向量进行向量赋范的希尔伯特概率空间化以得到优化甲状腺冰冻切片语义理解特征向量；以及将所述优化甲状腺冰冻切片语义理解特征向量通过多标签分类器以得到分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的甲状腺癌病理图像处理系统，其特征在于，包括：切片数据获取模块，用于获取甲状腺冰冻切片图像；分辨率增强模块，用于将所述甲状腺冰冻切片图像通过基于自动编解码器的分辨率增强器以得到高分辨率甲状腺冰冻切片图像；图像分块模块，用于对所述高分辨率甲状腺冰冻切片图像进行图像分块处理以得到图像块序列；图像特征提取模块，用于将所述图像块序列中各个图像块通过作为过滤器的卷积神经网络模型以得到图像块特征向量的序列；全局关联语义理解模块，用于将所述图像块特征向量的序列通过基于转换器的全局编码器以得到甲状腺冰冻切片语义理解特征向量；优化模块，用于对所述甲状腺冰冻切片语义理解特征向量进行向量赋范的希尔伯特概率空间化以得到优化甲状腺冰冻切片语义理解特征向量；以及结果生成模块，用于将所述优化甲状腺冰冻切片语义理解特征向量通过多标签分类器以得到分类结果，所述多标签分类器的类标签包括甲状腺冰冻切片为良性病变、甲状腺冰冻切片为恶性病变以及难以准确检测出恶性病变的甲状腺冰冻切片类型。2.根据权利要求1所述的基于机器视觉的甲状腺癌病理图像处理系统，其特征在于，所述分辨率增强模块，包括：信号编码单元，用于使用所述分辨率增强器的图像编码器从所述甲状腺冰冻切片图像提取甲状腺冰冻切片特征图，其中，所述分辨率增强器的编码器为卷积层；以及信号解码单元，用于使用所述分辨率增强器的图像解码器对所述甲状腺冰冻切片特征图进行解码以得到所述高分辨率甲状腺冰冻切片图像，其中，所述分辨率增强器的解码器为反卷积层。3.根据权利要求2所述的基于机器视觉的甲状腺癌病理图像处理系统，其特征在于，所述图像分块模块，包括：将所述高分辨率甲状腺冰冻切片图像进行均匀分块处理以得到图像块序列。4.根据权利要求3所述的基于机器视觉的甲状腺癌病理图像处理系统，其特征在于，所述图像特征提取模块，用于：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的卷积神经网络的最后一层的输出为所述图像块特征向量的序列，所述作为过滤器的卷积神经网络的第一层的输入为所述图像块序列中各个图像块。5.根据权利要求4所述的基于机器视觉的甲状腺癌病理图像处理系统，其特征在于，所述作为过滤器的卷积神经网络模型为深度残差网络模型。6.根据权利要求5所述的基于机...

【专利技术属性】
技术研发人员：高力，陆晓筱，张路，席娉慧，俞富裕，
申请(专利权)人：杭州美腾科技有限公司，
类型：发明
国别省市：