[发明专利]切片图像处理方法、装置、计算机设备和存储介质

权利要求书

1.一种切片图像处理方法，所述方法包括：

获取切片图像与图像分割参数，根据所述图像分割参数将所述切片图像分割为多个细胞图像；

将所述细胞图像输入预先训练的卷积神经网络模型进行分类分析，得到所述细胞图像中目标细胞的分类概率数据，所述卷积神经网络模型通过标注有分类类别的样本细胞图像训练得到，所述分类类别包括正常类别和多个异常类别；

根据所述细胞图像中目标细胞的分类概率数据，确定所述细胞图像对应的分类类别；

统计所述切片图像中异常类别的细胞图像数量，并计算异常类别的所述细胞图像数量占分割得到的总细胞图像数量的比例数据；

当所述比例数据大于预设比例阈值时，将所述切片图像标记为异常切片图像；

其中，所述图像分割参数包括滑动窗口的步长参数和图像缩放参数，所述步长参数包括数值大小不同的多个步长；

所述根据所述图像分割参数将所述切片图像分割为多个细胞图像包括：

按所述步长参数通过滑动窗口将切片图像分割为多个细胞小图，并按模型的图像输入要求对应的图像缩放参数对细胞小图进行缩放，得到多个细胞图像；

在对切片图像进行分割时，分割得到的各个细胞图像携带有坐标信息，根据坐标信息，在各个细胞图像进行分类标记后，通过坐标转换，得到由携带有分类标记的细胞图像拼接而来的拼接切片图像；

所述统计所述切片图像中异常类别的细胞图像数量包括：统计所述拼接切片图像中异常类别的细胞图像数量；

所述卷积神经网络模型中包括依次连接的输入层、卷积层、全连接层和输出层，其中，所述卷积层包括旁路连接层级和深度可分离卷积层级；

所述旁路连接层级将上一层级的输出数据与当前层级的输出数据同时输入下一层级，通过卷积处理得到所述细胞图像对应的M个特征图，并将所述特征图输入至所述深度可分离卷积层级；

所述深度可分离卷积层级通过M个3*3卷积核一对一卷积所述M个特征图，生成M个初始卷积结果，并用N个1*1的卷积核卷积所述M个初始卷积结果，生成N个二次卷积结果，并将所述N个二次卷积结果输入与所述深度可分离卷积层级连接的下一层级。

2.根据权利要求1所述的方法，其特征在于，所述根据所述细胞图像中目标细胞的分类概率数据，确定所述细胞图像对应的分类类别包括：

对所述目标细胞的分类概率数据进行排序，并筛选数据值最大的分类概率数据；

当所述数据值最大的分类概率数据对应的分类类别为正常类别时，确定所述细胞图像对应的分类类别为正常类别；

当所述数据值最大的分类概率数据对应的分类类别为异常类别时，确定所述细胞图像对应的分类类别为异常类别。

3.根据权利要求1所述的方法，其特征在于，所述当所述比例数据大于预设比例阈值时，将所述切片图像标记为异常切片图像包括：

当所述比例数据大于预设比例阈值时，分别统计携带有相同分类标记的细胞图像数量；

根据携带有相同分类标记的细胞图像数量的统计结果，得到携带有分类统计数据的切片图像，并将所述携带有分类统计数据的切片图像标记为异常切片图像。

4.根据权利要求1所述的方法，其特征在于，所述获取切片图像与图像分割参数，根据所述图像分割将所述切片图像分割为多个细胞图像包括：

获取切片图像，根据预设的数据标准，分别对所述切片图像携带的图像通道数据、像素数据以及图像层级数据进行数据标准化处理，得到标准化切片图像；

对所述标准化切片图像进行图像去噪和图像增强处理，得到优化切片图像；

获取图像分割参数，根据所述图像分割参数将所述优化切片图像分割为多个细胞图像。