[发明专利]图像标注的预处理方法及系统

说明书

本发明公开了一种图像标注的预处理方法及系统，通过针对人工已标注的病理图像，对病理图像同一区域内的标注线进行识别和处理，得到闭合的标注区域；对标注区域内包含的不同类型的细胞区域进行多分类处理；对多分类处理后的标注区域进行像素值填充，将病理图像对应的线型标注转化为像素点标注；根据得到的像素点标注，统计同类标注的原始图像特征，优化像素点标注边缘，得到处理后的病理图像标注；具有对图像的人工标注进行预处理，将病理图像对应的轮廓标注准确地转化为像素点标注的有益效果，减轻了人工标注的负担，降低了人工标注数据的获取成本，提高了标注的数据质量、数据预处理效率以及标注的准确率。

技术领域

本发明涉及医疗领域的图像处理技术，特别涉及一种图像标注的预处理方法及系统。

背景技术

有监督的人工智能算法离不开海量的带标注的数据，对于绝大多数的人工智能项目而言，大量数据的人工标注是一项非常繁重的任务。基于人工智能的病理辅助诊断，同样需要依赖大量的数字病理图像的标注数据。相比普通自然图像的标注，数字病理图像的标注成本更高；因为医疗图像标注的专业门槛高，尤其是病理的判读，需要经验丰富的病理专家才能完成；且数字化的病理图像是一种全扫描图像(Whole Slide Image，WSI)，相比于其他医疗影像具有多层级、分辨率高、图像尺寸大的特点，标注非常耗时。标注完成后，在模型训练之前，通常需要对标注进行预处理，才能将其转化为训练数据。

现有的针对语义分割图像标注的预处理技术，通常采用以下两种方式：一种是对标注的轮廓进行连接和填充，将轮廓的标注转化为像素点的标注；另一种是结合原始图像对人工的标注进行局部修正。利用现有的预处理技术对病理图像标注进行识别转化时，由于不同类型标注的复杂嵌套，会导致标注间的互相覆盖，从而使得转化出错。另外，现有的标注修正技术都是针对普通尺寸的图像。对于高分辨率的全扫描图像，运用现有的区域提取和结合原图的标注修正算法可能无法在加载到内存运行，或者运行速度非常缓慢。且现有的标注预处理技术也缺少对标注边缘的修正。

发明内容

本发明提供一种图像标注的预处理方法及系统，用以对图像的人工标注进行预处理，将病理图像对应的轮廓标注准确地转化为像素点标注且能够对图像标注边缘进行自动修正。

本发明提供了一种图像标注的预处理方法，所述图像标注的预处理方法包括：

针对人工已标注的病理图像，对所述病理图像同一区域内的标注线进行识别和处理，得到闭合的标注区域；

对所述标注区域内包含的不同类型的细胞区域进行多分类处理；

对多分类处理后的标注区域进行像素值填充，将所述病理图像对应的线型标注转化为像素点标注；

根据得到的像素点标注，统计同类标注的原始图像特征，优化像素点标注边缘，得到处理后的病理图像标注。

优选地，所述对所述病理图像同一区域内的标注线进行识别和处理，得到闭合的标注区域，包括：

识别所述病理图像中属于同一区域的标注线；

针对识别出的同一区域的标注线，对分段标注线进行拼接处理，得到闭合的标注区域。

优选地，所述对所述标注区域内包含的不同类型的细胞区域进行多分类处理，包括：

将每个标注的标签类型定义为该标注所对应的细胞区域的区域类型；

分析各类型标注区域之间的重叠和包含关系，结合原图进行对照分析，对各类标注进行分组；

对每个分组的标注区域排序，得到有序的闭合标注区域。

优选地，所述对多分类处理后的标注区域进行像素值填充，将所述病理图像对应的线型标注转化为像素点标注，包括：

对排序后的标注区域分别处理；