【技术实现步骤摘要】
本专利技术属于图像处理与医学，特别涉及一种全切片病理图像分割及辅助标注方法。
技术介绍
1、组织病理图像包含丰富的癌症组织形态特征和表型信息，是癌症临床诊断的金标准，为患者的术前诊断、术后预后、靶向治疗提供了重要参考依据。随着数字病理技术的发展，病理切片通过高分辨率扫描转化为数字图像，方便存储、共享和自动化分析。全切片病理图像分割旨在从大尺寸的数字病理图像中自动识别并分离出感兴趣的区域，如癌症病灶、肿瘤区域或其他组织结构。在临床实践中，病理图像分割有助于医生更准确地诊断疾病，尤其是在癌症等重大疾病的检测和分级中，分割出的区域可以为病理学家提供量化的指标，如肿瘤大小、分布及侵袭性。
2、基于深度学习的方法在全切片病理图像分割任务中取得了巨大成功，然而，这种方法也面临着诸多挑战。首先，大多数具有良好性能的深度学习模型都是采用全监督的方式，即病理图像分割任务的训练过程需要大量的注释数据。其次，病理图像的标注需要专业的病理医师来完成，且由于病理图像数据的复杂性，对wsi进行精细的标注非常耗时耗力。因此研究精准高效的分割方法以及辅助标...
【技术保护点】
1.一种全切片病理图像分割及辅助标注方法，其特征在于，所述图像分割及辅助标注方法包括如下步骤：
2.根据权利要求1所述的全切片病理图像分割及辅助标注方法，其特征在于，所述S2中，对所述模型训练数据集中的图像预处理步骤包括：
3.根据权利要求2所述的全切片病理图像分割及辅助标注方法，其特征在于，在所述S3中，将待标注数据集中的切片在10×倍率下切割成若干512×512像素大小的图像块，并保留所有的图像块，以保证整张切片预测的完整性，将切出来的图像块构建所述模型预测数据集。
4.根据权利要求3所述的全切片病理图像分割及辅助标注方法，其特...
【技术特征摘要】
1.一种全切片病理图像分割及辅助标注方法，其特征在于，所述图像分割及辅助标注方法包括如下步骤：
2.根据权利要求1所述的全切片病理图像分割及辅助标注方法，其特征在于，所述s2中，对所述模型训练数据集中的图像预处理步骤包括：
3.根据权利要求2所述的全切片病理图像分割及辅助标注方法，其特征在于，在所述s3中，将待标注数据集中的切片在10×倍率下切割成若干512×512像素大小的图像块，并保留所有的图像块，以保证整张切片预测的完整性，将切出来的图像块构建所述模型预测数据集。
4.根据权利要求3所述的全切片病理图像分割及辅助标注方法，其特征在于，所述s4中，所述u-net由网络模型由编码网络和解码网络构成，所述编码网络包含了4层卷积和最大池化操作，所述解码网络包含4层卷积与反卷积操作，所述编码网络和解码网络之间加入跳跃连接，以融合编码网络和解码网络对应层次的语义特征，将解码网络最后一个卷积层的输出通道设置为病理图像数据集分割类别数3。
<...【专利技术属性】
技术研发人员：闫晓苗，谢明健，汤红忠，张伟锋，易润坤，耿义群，洪良利，张宏生，顾江，
申请(专利权)人：汕头大学医学院，
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。