[发明专利]一种基于深度学习的全切片数字成像快速自动聚焦方法

说明书

本发明基于生物医疗仪器领域，具体涉及一种基于深度学习的全切片数字成像快速自动聚焦方法：本方法提出了一种基于深度网络的学习方法，主要包含可修改迭代次数网络块的重聚焦网络；设计的重聚焦网络可根据离焦图像解算出精确的准焦距离，通过判断准焦距离的误差是否小于显微镜物镜景深，进而改变重聚焦网络内网络块迭代次数；本方法解决了自动聚焦过程速度较慢问题，实现了全切片数字成像的准焦距离快速预测，实现了传统全切片数字病理成像硬件的软件虚拟化。

技术领域

本发明基于生物医疗仪器领域，以深度学习技术为核心，具体涉及一种基于深度学习的全切片数字成像快速自动聚焦方法，可广泛适用于仪器科学、人工智能、医疗影像和自动化等领域的研究。

背景技术

近年来，先进的数字病理学成像技术得到了广泛的研究与应用。全切片数字成像技术(WSI，Whole Slide Images)，即虚拟显微术，可以将传统的显微切片以数字化图像形式采集，能够实现任意电脑访问，容易存储，以及科研工作者和医生之间的异地传输等。全切片数字成像技术在生物成像研究中至关重要，如在癌症分析和疾病预测等领域中。目前美国食品药品管理局已经采用飞利浦公司的全切片数字成像系统作为主要的病理分析手段。

全切片数字成像通常需要两步实现：(1)按子区域顺序扫描病理图像，然后再将其拼接一起产生完整的全视场的病理切片图像；(2)采用特制的软件来识别分析这些数字图像。其中，第一步对于获取的图像质量至关重要。目前，全切片数字成像技术中存在的挑战主要为如何快速产生高质量的准焦图像。通常来说，全切片扫描需要一个高分辨率和毫米级长度景深的物镜，其因系统扫描过程中获得了分布不均的子图像，从而导致了离焦现象。这种离焦现象是导致全切片数字成像效果退化的主要原因。

目前，一种广泛应用的方法是采用准焦图匹配的方法来获得高质量的全切片数字图像。准焦图匹配方法提供一个准焦先验，对于每个位置的离焦图像，可以通过沿光轴移动病理样品获得不同准焦距离下的系列离焦图像，最后通过每张离焦图像的图像对比度最大化或者其他的图像质量评价方法来确定对应的准焦图像。这种方法需要对每个顺序扫描的子区域逐个使用。然而，这种方法因为重复的轴向测量导致成像速度大大减慢。对于其他方法，如采用双相机装置可以实现自准焦功能，避免了病理图像的轴向逐层扫描。但是，这种方法在传统的显微仪器中因硬件不兼容和成本高昂等问题，所以并不适用添加新的成像模块。因此，设计一种新的全切片数字成像快速自动聚焦方法，对于实时成像的系统来说是必要的。

发明内容

考虑到传统方法存在自动聚焦速度慢等问题，本发明利用先进的机器学习算法来解决全切片数字成像的快速自动聚焦问题。根据准焦的定义可知，准焦误差在显微镜物镜景深范围内，即满足清晰成像要求。为此，本发明公开了一种基于深度学习的全切片数字成像快速自动聚焦方法。本方法提出了一种基于深度网络的学习方法，主要包含一个快速重聚焦网络，能够根据离焦图像快速解算出符合要求的准焦距离。考虑到准焦清晰图像的预测准焦距离误差只需满足物镜景深即可，为此可进一步化简神经网络结构，在合理的区间内降低自动聚焦精度，提高自动聚焦速度。为此，本方法实现了全切片数字成像快速自动聚焦功能，对传统的成像硬件进行了软件虚拟化。

本发明的目的是这样实现的：

一种基于深度学习的全切片数字成像快速自动聚焦方法，包括以下步骤：

步骤a、输入离焦图像；

步骤b、快速重聚焦网络；

步骤c、预测准焦距离，

采用神经网络的方法，快速预测不同离焦图像的准焦距离。

进一步地，所述输入离焦图像来自于不同子图像横向位置下的轴向扫描移动获得的z-stack图像堆栈，每个子图像位置获得正、负各20张离焦图像和一张准焦图像，共计41张。