[发明专利]一种全切片数字病理图像模糊区域的快速重聚焦方法及系统

权利要求书

1.一种全切片数字病理图像模糊区域的快速重聚焦方法，其特征在于，包括：

获取病理切片；

采集所述病理切片的全切片数字病理图像；所述全切片数字病理图像包括聚焦数字病理图像以及不同模糊程度的数字病理图像；

将所述全切片数字病理图像输入预先搭建的全切片数字病理图像模糊区域检测单元，通过所述全切片数字病理图像模糊区域检测单元，获得全切片数字病理图像中各个图像子块的聚焦状态；

根据所述聚焦状态筛选出各个图像子块中的失焦图像子块；

将所述失焦图像子块的聚焦状态转换成实际的失焦距离指数；

根据所述失焦距离指数调整数字病理切片扫描仪中载物台沿Z轴移动的速度，实现对失焦图像子块对应的病理切片区域的重聚焦。

2.如权利要求1所述的全切片数字病理图像模糊区域的快速重聚焦方法，其特征在于，采集所述病理切片的全切片数字病理图像，包括：

利用数字病理切片扫描仪扫描所述病理切片的中心区域，聚焦，采集所述病理切片的聚焦数字病理图像；

设置若干偏移值，根据所述偏移值扰动聚焦的焦点位置；

在每个所述偏移值扰动后的聚焦点位置采集所述病理切片中心区域的模糊数字病理图像。

3.如权利要求2所述的全切片数字病理图像模糊区域的快速重聚焦方法，其特征在于，设置若干偏移值，包括：

根据所述病理切片中心区域的尺寸，设置若干偏移值Δ，所述偏移值

Δ∈{-3.5μm，-3μm，-2.5μm，-2μm，-1.5μm，-0.5μm，0.5μm，1.5μm，2μm，2.5μm}。

4.如权利要求1所述的全切片数字病理图像模糊区域的快速重聚焦方法，其特征在于，将所述全切片数字病理图像输入预先搭建的全切片数字病理图像模糊区域检测单元，其中，所述全切片数字病理图像模糊区域检测单元的内置程序为：

获取全切片数字病理图像；

将所述全切片数字病理图像分割成互不重叠的固定像素大小的图像子块，随机抽取若干图像子块，形成训练集和验证集，并对所述训练集和验证集中的图像子块进行标记；

将所述训练集输入预先构建的深度学习模型中，对所述深度学习模型进行训练，以优化所述深度学习模型的超参数；

将所述验证集输入训练后的深度学习模型中，对训练后的深度学习模型进行验证；若验证通过，则进入下一步进行待检测全切片数字病理图像的检测；若验证不通过，则返回上一步重新进行模型训练；

对待检测全切片数字病理图像预处理，获得所述待检测全切片数字病理图像的特征图；将所述特征图分割成互不重叠的固定像素大小的若干待检测图像子块，分别输入训练好的深度学习模型中进行分类，获得各个待检测图像子块的聚焦状态。

5.如权利要求4所述的全切片数字病理图像模糊区域的快速重聚焦方法，其特征在于，将所述全切片数字病理图像分割成互不重叠的固定像素大小的图像子块，随机抽取若干图像子块，形成训练集和验证集，并对所述训练集和验证集中的图像子块进行标记，包括：

将所述聚焦数字病理图像分割成互不重叠的固定像素大小的图像子块，获得第一图像集；将所述不同模糊程度的数字病理图像分割成互不重叠的固定像素大小的图像子块，获得第二图像集；

分别从所述第一图像集和所述第二图像集中随机抽取数量相同的若干图像子块，混合，形成样本集；

从所述样本集中随机抽取8～15％的图像子块形成验证集，其余图像子块形成训练集；

对所述训练集和所述验证集中的图像子块分别进行标记。

6.如权利要求4所述的全切片数字病理图像模糊区域的快速重聚焦方法，其特征在于，将所述训练集输入预先构建的深度学习模型中，对所述深度学习模型进行训练，其中，所述深度学习模型为卷积神经网络模型，依次包括六个卷积层、两个全连接层和一个softmax分类层；

六个所述卷积层中的第三、第四、第五和第六个卷积层后面均设置有一个最大池化层；

两个所述全连接层后面分别设置有概率为0.7和0.5的dropout层。