[发明专利]一种基于机器学习的WSI病灶区域自动标注方法及系统

权利要求书

1.一种基于机器学习的WSI病灶区域自动标注方法，其特征在于，该方法包括：

(1)采集WSI图像数据集，对所述数据集中的所有WSI图像进行预处理，所述预处理包括：

对WSI图像进行染色后，在LAB色彩空间创建生理组织蒙版；

使用Chase-Vese的主动轮廓模型优化所述生理组织蒙版的边缘，确定含有生理组织切片；

对所述含有生理组织的切片进行病灶区域的人工标注；

对标注后的含有病灶区域的生理组织的切片以及没有病灶区域的生理组织切片进行分割，得到若干含有生理组织的小块后，采集若干病灶小块和正常小块，并均加入到初始训练样本集中；

(2)对采集的初始训练样本集进行数据增量，形成最终训练样本集，并将部分样本载入构建的卷积神经网络模型中对所述模型进行迭代训练，得到最终预测模型；

(3)载入最终训练样本集的剩余样本到所述最终预测模型中，通过样本中的WSI输出标注病灶区域的热度图；

所述对标注后的含有病灶区域的生理组织的切片以及没有病灶区域的生理组织切片进行分割，得到若干小块后，采集若干病灶小块和正常小块，并加入到初始训练样本集，具体包括：

若病灶区域的面积小于等于正常组织区域，则根据标注的WSI图像中病灶区域的面积大小和小块所需数量，在所述含有病灶区域的生理组织的切片中，采集N个病灶小块，并在同一张WSI图像内，随机采集相同数量相同大小的N个正常小块；然后，在其他没有病灶区域的生理组织切片中共截取与病灶小块同样数量N的正常小块，且每张没有病灶区域的生理组织切片截取的正常小块数量相等；

否则，病灶区域的面积大于正常组织区域，则在有病灶区域的生理组织的切片中采集M个正常小块，在同一张WSI图像内，随机采集相同数量相同大小的M个病灶小块，然后，在其他没有病灶区域的生理组织切片中共截取与病灶小块同样数量M个的正常小块，且每张没有病灶区域的生理组织切片截取的正常小块数量相等；

若WSI图像内的正常生理组织区域的面积和病灶区域的面积的比例差异大于95％，所述若干病灶小块和正常小块的数量可调整在同一数量级上以内，所述同一数量级以内，满足下列区间：{x∈R:0.2x5}。

2.根据权利要求1所述的基于机器学习的WSI病灶区域自动标注方法，其特征在于，步骤(1)中，含有生理组织的小块需满足生理组织的面积覆盖率不小于设定阈值ε。

3.根据权利要求2所述的基于机器学习的WSI病灶区域自动标注方法，其特征在于，所述步骤(1)中，病灶小块为病灶区域大于等于像素阈值δ的含有生理组织的小块，所述正常小块为病灶区域小于像素阈值δ的含有生理组织的小块。

4.根据权利要求2所述的基于机器学习的WSI病灶区域自动标注方法，其特征在于，所述阈值ε的范围为[30％,70％]，阈值δ的范围为[5％,70％]。

5.根据权利要求1所述的基于机器学习的WSI病灶区域自动标注方法，其特征在于，所述对采集的初始训练样本集进行数据增量，包括：

以所述小块中心为起始坐标，在X轴及Y轴以正负设定像素范围内为中心点随机位置截取小于所述小块尺寸的像素区域，得到第一数据增量；所述像素区域的尺寸为卷积神经网络模型的输入图像所需尺寸；

对所述截取的像素区域进行随机上下左右翻转后，以设定角度随机进行最多2次旋转，得到第二数据增量；

以图像位数像素值正负阈值α范围内随机调整图像亮度，得到第三数据增量；

在红色空间和蓝色空间内以所述正负阈值β范围内随机调整图像亮度，得到第四数据增量。

6.根据权利要求5所述的基于机器学习的WSI病灶区域自动标注方法，其特征在于，所述正负阈值α和正负阈值β均为10％。