[发明专利]数字病理图像染色归一化方法、电子装置及存储介质

说明书

本发明涉及图像处理技术领域，提供一种数字病理图像的染色归一化方法，其中的方法包括：将数字病理切片图像进行数据解析，生成RGB图像I(x，y)，对所述RGB图像I(x，y)进行HSD变换，将所述RGB图像转换为HSD图像；利用所述HSD图片训练深度卷积高斯混合模型来提取求解不同风格图像的高斯混合模型；通过训练好的DCGMM对待检测组织病理HE染色数字病理图像进行染色归一化。利用本发明能够有效提高染色归一化的有效性和稳定性。

技术领域

本发明涉及图像处理领域，尤其涉及一种数字病理图像染色归一化方法、电子装置、存储介质。

背景技术

由于肾脏疾病的种类繁多，病因及发病机制复杂，许多肾脏疾病的临床表现与肾脏的组织学改变并不完全一致，其治疗方案及病情的发展结果也差别极大。目前，肾脏病理检查结果已经成为肾脏疾病诊断的金指标。病理医生在进行肾穿活检时，需要凭肉眼以及经验观测得到一些重要的医学指标，现拟通过人工智能辅助病理医生进行阅片工作。然而，不同技术员在进行制片染色过程中无法保证每批量产出的玻片都呈同样的颜色分布，这会对AI模型产生较大的干扰，造成预测结果的波动。

目前，图像经过特征块切割后，切割生成的特征块大小不一。这时，就需要采取归一化的操作来统一特征块图像的尺寸，现有的染色归一化通常通过对抗生成网络，变分自动编码器等方法实现，这种方法虽然能够进行风格迁移，但皆容易产生不可控的噪声点，有可能改变图像结构，所以亟需一种更稳定更自然的染色归一化方法。

发明内容

本发明提供一种数字病理图像染色归一化方法、系统、电子装置及存储介质，其主要目的在于解决目前现有染色归一化通过对抗生成网络，变分自动编码器等方法实现，虽然能够进行风格迁移，但皆容易产生不可控的噪声点，有可能改变图像结构的问题，有效提高染色归一化图像的稳定性。

为实现上述目的，本发明提供一种数字病理图像染色归一化方法，应用于数字病理图像，包括如下步骤：

S110：对预存的数字病理切片图像进行数据解析，生成RGB图像I(x，y)，

其中，I_R为RGB图像中的R通道的二维矩阵，I_G为RGB 图像中G通道的二维矩阵，I_B为RGB图像中B通道的二维矩阵；

S120：根据预设的转换规则对所述RGB图像I(x，y)进行HSD变换，将所述RGB图像转换为HSD图像；

S130：利用所述HSD图像持续训练深度卷积高斯混合模型来提取求解不同风格图像的高斯混合模型，，直至得到最优的深度卷积高斯混合模型；

S140：通过所述最优的深度卷积高斯混合模型对待检测组织病理HE染色数字病理图像进行染色归一化。

优选地，所述转换规则为：

其中，所述H、S、D为图像在HSD 空间下的不同通道。

优选地，利用所述HSD图像训练深度卷积高斯混合模型来提取求解不同风格图像的高斯混合模型的过程包括：

通过卷积神经网络提取后验概率的向量γ；其中，所述向量γ为一个值处于 (0，1)之间的k维向量；

获取所述HSD图像的像素点x＝{x₁，x₂，...，x_p}，计算所述HSD图像中的像素点x₁，x₂，...，x_p由第k个高斯分布生成的概率：

所述z_k为具有均值μ＝[μ₁，..，μ_k]，协方差∑＝σ²I的颜色的分布；