[发明专利]病理图片的处理方法

说明书

本发明公开了一种病理图片的处理方法，属于图片处理领域，通过对细胞涂片采集病理图像，然后建立模型，训练模型，把病理图像输入模型内进行检测。通过精准的对病理图像进行检测，实现快速的对病理图像中的细胞所在位置标注框的坐标、细胞类型标签和对应的置信度数值进行检测，根据检测的数据输出具体的病变类型，医生直接获取的病理图像的病理情况，有助于辅助医生进行病理诊断，方便快捷。同时免去现有技术中病理切片的扫描程序和省去高额扫描仪经费的同时提高了检测的效率，具有方便快捷的优点。

技术领域

本发明涉及图片处理领域，尤其涉及一种病理图片的处理方法。

背景技术

细胞病理学以组织病理学为基础，通过细致地观察细胞形态结构、细胞排列形式及细胞间相互关系来阐明疾病本质的一门学科，是病理学的重要组成部分。细胞样本经取样、固定、制备、染色等过程制作成细胞涂片，细胞病理医生在显微镜下观察细胞涂片中的细胞成分进行诊断，先在低倍物镜下整体浏览，发现目标细胞时转到高倍物镜下仔细观察目标细胞。

目前所采用的计算机辅助阅片系统有：ThinPrep Imaging System(TIS) 和BDFocalPoint阅片仪，都是基于显微镜的玻片扫描分析系统，在一定程度上提高了判读的准确性以及降低了阅片时间，但存在价格昂贵、准确率不高，仍然依赖病理医师来判读的问题。

随着数字病理和人工智能技术的发展，基于数字病理图像的计算机分析系统正在蓬勃发展。人工智能技术相比与传统的图像处理技术，准确性进一步提高同时自动化程度更高，但新兴的人工智能辅助诊断系统的设计思路是基于全场扫描的数字病理图像进行分析，但是现有的人工智能技术中还没有完全准确的实现的自动检测。医生仍然习惯在显微镜下进行人工阅片，耗费时间较长，并且准确率等因人而异，不能同意准确判断。

发明内容

本发明的目的在于提供一种病理图片的处理方法，解决现有病理图片只能依赖病理医师来判读，时间长、价格昂贵和准确率不高的技术问题。

一种病理图片的处理方法，所述方法包括如下步骤：

步骤1：使用显微镜摄像头分别采集位于显微镜下的若干块细胞涂片病理图像，得到病理图像数据集；

步骤2：分别对每一张病理图像增强处理，扩充病理图像的数量，然后对病理图像中的细胞所在位置、细胞类型及对应的置信度使用标注工具进行标注；

步骤3：构建病理图像检测模型，将病理图像输入病理图像检测模型内生成病理图像特征图，并利用不同尺度的特征图对病理图像进行检测和识别；

步骤4：训练病理图像检测模型，通过随机梯度下降法对病理图像检测模型进行训练得到病理图像模型，将待检测的病理图像输入训练好的病理图像模型进行分析对比，得到病理图像的细胞所在位置、细胞类别及对应的置信度。

所述步骤2中，对每一张病理图像增强处理的方法包括对病理图像进行水平翻转、垂直翻转、添加随机噪声和随机旋转处理，扩充病理图像样本的数据集，使用标注工具为标签制作工具LabelImg；所述的标注信息包括病理图像中的细胞所在位置标注框的坐标、细胞类型标签、对应的置信度数值和保存病理图像路径信息。

所述步骤3中，病理图像检测模型包括特征提取网络、空间金字塔网络和多尺度预测层，特征提取网络经空间金字塔网络与多尺度预测层连接，所述特征提取网络包括4个处理模块，并且处理模块与处理模块首尾相接，每个处理模块的输入端设置有1×1卷积层和2×2平均池化层，用于对病理图像特征图降维，在处理模块后特征图维度为13×13、26×26和52×52时，这三个尺度的病理图像特征图通过卷积核的方式实现局部的特征交互，进而构成多尺度预测层；在多尺度预测层中插入空间金字塔网络实现特征金字塔网络。

空间金字塔网由3个空间箱构成，在每个空间箱内分别把病理图像特征图分成13×13、19×19和5×5块，经过最大池化层后再拼接。