[发明专利]针对病理图像的语义分割方法和电子设备

说明书

本发明涉及提供了一种针对病理图像的语义分割方法，采用轻量级语义分割网络对病理图像进行语义分割，包括：接收待处理的病理图像；对所述病理图像进行标准化处理；将所述经过标准化处理后的病理图像输入所述轻量级语义分割网络，得到语义类别结果；判断所述语义类别结果是否为多个，若是，则经过非极大值抑制操作后输出语义类别；否则，输出语义类别。本申请解决了基于深度学习算法的免疫组化染色图像分析方法需要大量训练样本的痛点，扩大了深度学习算法在免疫组化染色图像分析领域的适用范围。

技术领域

本发明涉及图像处理领域，特别是涉及一种针对病理图像的语义分割方法和电子设备。

背景技术

近年来，深度学习方法在免疫组化染色图像分析领域得到了广泛应用。利用深度学习方法对免疫组化染色图像进行精细的语义分割是对免疫组化染色图像精准定量分析的基础，而定量分析是帮助病理医师做出精准诊断、预后分析的前提。因此，高精度的免疫组化染色图像语义分割网络对于计算机辅助的高效病理诊断系统具有重大意义。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种针对病理图像的语义分割方法和电子设备，可以极大减少传统网络中冗余的参数数量，降低网络训练难度的同时，加快全场免疫组化染色图像的扫描时间；同时，引入深监督技术，使得网络可在多个尺度下充分挖掘免疫组化染色图像中的特征信息。

根据本申请的一个方面，提供了一种针对病理图像的语义分割方法，采用轻量级语义分割网络对病理图像进行语义分割，包括：接收待处理的病理图像；对所述病理图像进行标准化处理；将所述经过标准化处理后的病理图像输入所述轻量级语义分割网络，得到语义类别结果；判断所述语义类别结果是否为多个，若是，则经过非极大值抑制操作后输出语义类别；否则，输出语义类别。

根据本申请的又一方面，提供了一种电子设备，包括处理器；以及存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行所述的针对病理图像的语义分割方法。

根据本申请的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行所述的针对病理图像的语义分割方法。

与现有技术相比，本申请提出了小样本上即可完成训练的，基于深度学习方法的一个语义分割网络，适应于临床精准定量分析的要求，解决了基于深度学习算法的免疫组化染色图像分析方法需要大量训练样本的痛点，扩大了深度学习算法在免疫组化染色图像分析领域的适用范围；提出的语义分割网络架构具有轻量化的特点，其具有较少的参数，可对免疫组化染色图像进行快速扫描快速处理，实现快速病理检测与分析。

附图说明

通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1是轻量级语义分割网络的训练及检测流程图；

图2是轻量级语义分割网络的检测流程图；

图3是轻量级语义分割网络的训练流程图；

图4是深度学习网络的处理流程图（1）；

图5是深度学习网络的处理流程图（2）；

图6是转换操作示意图；

图7是普通监督方法和深监督方法示意图；

图8是本申请实施例的电子设备框图。

具体实施方式