[发明专利]一种基于JPEG压缩编码的数字病理全切片图像快速分析方法

权利要求书

1.一种基于JPEG压缩编码的数字病理全切片图像快速分析方法，其特征在于，包括以下步骤：

步骤1：获取病理全切片图像，对所述病理全切片图像进行分块获得图像块T＝I_pq，并将所述图像块以JPEG压缩编码的形式存储至云端，其中表示一张像素分辨率为w×h的RGB三通道病理全切片图像；表示组成所述病理全切片图像的第p行第q列的所述图像块，t表示所述图像块的边长；

步骤2：获取所述病理全切片图像的JPEG压缩编码，所述JPEG压缩编码依次经过霍夫曼反编码、Zigzag反编码和反量化操作解码至离散余弦变换编码阶段，获得DCT编码矩阵

所述DCT编码矩阵空间尺寸与所述图像块T相同，包含三个通道，存储内容依次为YCbCr颜色空间的Y、Cb和Cr通道的8×8分块DCT编码矩阵；其中，Y、Cb和Cr数据分别表示为

其中，c表示通道类型；表示通道c的8×8分块DCT编码矩阵中第i行第j列的内容，是所述图像块T中对应8×8位置通道c的DCT变换结果；M＝t/8，N＝t/8分别为8×8分块DCT编码矩阵D^c中包含编码块的行数和列数；

步骤3：对所述DCT编码矩阵进行空域下采样，获得下采样DCT编码矩阵

所述DCT编码矩阵的数据量与所述图像块T相同，在空间上对DCT编码块进行下采样，下采样将所述8×8分块DCT编码矩阵D^c中相邻的4个8×8分块DCT编码块降采样为1个8×8分块DCT编码块，令分别表示所述8×8分块DCT编码矩阵D^c中4个相邻的8×8分块DCT编码块，其中，i表示行，j表示列，令表示下采样DCT编码矩阵中通道c的第行第列的8×8DCT编码块；空域下采样具体过程如下：

步骤31：计算16×16DCT变换矩阵和8×8DCT变换矩阵公式为：

分别将R＝16和R＝8代入公式，获得所述16×16的DCT变换矩阵Z₁₆和所述8×8DCT变换矩阵Z₈，将所述16×16的DCT变换矩阵Z₁₆拆分为四个子矩阵：

其中是z₁₆的全低频子矩阵，是z₁₆的低高频子矩阵，是z₁₆的高低频子矩阵、是z₁₆的全高频子矩阵；

步骤32：根据8×8分块DCT编码块和全低频子矩阵和低高频子矩阵计算辅助算子P、Q、E、F、U、V，公式如下：

E＝(P+Q)/2，F＝(P-Q)/2,

步骤33：根据所述辅助算子计算空域下采样DCT编码矩阵中通道c的第行第列的8×8DCT编码块

步骤34：根据所述步骤31-步骤33对所有满足的第i行第j列的编码块第i行第j+1列的编码块第i+1行第j列的编码块第i+1行第j+1列的编码块进行处理，获得对应的8×8DCT编码块并按照空域下采样后的DCT编码矩阵表示为：

分别表示下采样DCT编码矩阵中包含8×8DCT编码块的行数和列数；

步骤35：循环执行n次所述步骤31-步骤34，n的取值范围是n＝1，2，...，[log₂(t/8)]，其中[*]表示向下取整计算；

步骤4：对所述下采样DCT编码矩阵进行频域下采样，获得三维张量C；

步骤5：根据所述三维张量C组建的训练集，利用卷积神经网络训练构建全切片分析模型；

步骤6：将待分析数字病理全切片图像输入所述全切片分析模型，实现自动分析，获得分析结果。