[发明专利]一种HE染色病理图像颜色归一化方法

权利要求书

1.一种HE染色病理图像颜色归一化方法，其特征在于，包括：

S1：对预先存储好的数字病理切片图像进行通道分解，得到病理图像I(x,y)；

其中，I_R(x,y)、I_G(x,y)、I_B(x,y)分别表示病理图像在RGB三个颜色通道内的像素值；

S2：建立优化模型，计算最优反卷积矩阵，其具体步骤如下：

S21：定义优化变量

吸光率矩阵中的每个吸光率向量m_s均为一个单位向量，用两个独立的角度变量(α_c,β_c)表示吸光率向量：

则反卷积矩阵由6个独立的角度变量决定，由此定义待优化变量：

S22：定义目标函数

将待优化变量决定的吸光率矩阵表示为通过计算得到反卷积矩阵

利用反卷积矩阵对所述病理图像I(x,y)进行染色分离，公式如下：

其中

其中，I_max为单通道最大值；表示病理图像I(x,y)的染色成分，分别代表病理图像I(x,y)的H、E、DAB染色剂对应的染色强度；

定义损失函数：

定义优化目标函数为：

其中，为基本损失函数：

为平衡损失函数：

为能量损失函数：

其中，P(I)表述病理图像I(x,y)中参与上述优化的像素点，在病理图像的非背景区域随机抽取，|P(I)|表示P(I)中包含像素点的数量，λ为权重系数，γ为平衡系数，ε为能量系数；

S23：利用梯度下降算法对目标函数进行求解，得到求解后的最优参数

其中，求解时的初始条件为

λ,γ,ε为超参数，在优化前预先设定；

S24：基于所述最优参数，计算最优的反卷积矩阵，具体包括：

根据得到的计算得到优化后的吸光率矩阵：

计算最优反卷积矩阵：

S3:根据所述最优反卷积矩阵对所述病理图像进行颜色归一化，具体步骤如下：

S31：计算归一化矩阵：

其中，为理想成像条件下的吸光率矩阵

S32：利用归一化矩阵T对所述病理图像进行归一化：

c＝R,G,B即为归一化后的病理图像，其中O_c(x,y)表示病理图像在RGB通道的光密度：O_c(x,y)＝-log₁₀(I_c(x,y)/I_max),c＝R,G,B，I_max为单通道最大值。

2.根据权利要求1所述的HE染色病理图像颜色归一化方法，其特征在于，所述数字病理切片图像通过切片扫描仪将病理切片扫描到计算机中进行存储。

3.根据权利要求1所述的HE染色病理图像颜色归一化方法，其特征在于，对目标函数进行求解的方法包括SGD，SGBM，AdaGrad，AdaDelta或Adam。

4.根据权利要求3所述的HE染色病理图像颜色归一化方法，其特征在于，对目标函数进行求解的方法使用AdaGrad。

5.根据权利要求1所述的HE染色病理图像颜色归一化方法，其特征在于，

λ＝0.02,γ＝0.82,ε＝0.40。