[发明专利]基于图像处理的胃癌病灶识别方法、装置、设备和存储介质

说明书

本发明涉及图像处理技术领域，具体为基于图像处理的胃癌病灶识别方法、装置、设备和存储介质。基于病理切片的数字图像，通过对其中包含病灶的区域进行病灶等级的标注；通过预训练的改进型U‑net语义分割模型得到分割的病灶结果，得到对病灶的识别，通过上述模型得到分割的轮廓结果，得到对腺体的识别，提取出病灶位置；将两个结果叠加后得到由轮廓结果保证分离腺体的识别，由病灶结果中附加的标注保证的病灶等级的识别；再通过统一轮廓内同一连通域中的病灶等级，使得同一轮廓内标识的一个腺体有确定的病灶等级，进一步对病灶区域进行分级，对于不同类型的病变腺体能有很好的区分，得到腺体分离且标注病灶等级的胃癌病灶识别结果，识别精度高。

技术领域

本发明涉及图像处理技术领域，具体为基于图像处理的胃癌病灶识别方法、装置、设备和存储介质。

背景技术

近些年，随着病理数字化的不断加深以及深度学习等技术的兴起，使用计算机辅助病理诊断或进行疾病图像的筛查也变得日渐成熟。目前已有一些分割算法可以对癌变区域进行识别，但由于组织病理图像的复杂性，其精度很难保证，并且无法对于癌变区域的恶性程度做进一步的判读。

在胃癌病理的诊断中，腺体的形态结构对于评估癌变的恶性程度至关重要，由于部分腺管在组织中分布比较密集，一般的语义分割算法在分割腺管时，很多独立单个的腺体会连到一起，这对腺体的定量分析会造成很大影响，从而会降低了算法最终精度。

发明内容

针对现有技术中存在的病理图像识别精度不高和恶性程度无法判读问题，本发明提供一种基于图像处理的胃癌病灶识别方法、装置、设备和存储介质。

本发明是通过以下技术方案来实现：

基于图像处理的胃癌病灶识别方法，包括，

在待识别病理切片的数字图像上，将包含病灶的区域按照胃癌分型进行病灶等级的标注，得到标注图像；

将所述标注图像通过预训练的改进型U-net语义分割模型进行识别，分别得到分割的病灶结果和分割的轮廓结果；

将所述轮廓结果覆盖叠加在所述病灶结果上，统一轮廓内同一连通域中的病灶等级，得到腺体分离且标注病灶等级的胃癌病灶识别结果；

其中，所述的改进型U-net语义分割模型包括一个接入输入的下采样卷积和两个并行输出的上采样卷积；所述下采样卷积和第一上采样卷积进行分割腺体病灶的特征提取，得到分割的病灶结果；所述下采样卷积和第二上采样卷积进行分割腺体轮廓的特征提取，得到分割的轮廓结果。

优选的，所述的改进型U-net语义分割模型，还包括残差网络模块和注意力模块；所述下采样卷积和上采样卷积的每个卷积层中依次设置有所述残差网络模块和所述注意力模块。

进一步，所述下采样卷积和第一上采样卷积进行分割腺体病灶的特征提取时，所述第一上采样卷积中的所述残差网络模块与所述第一上采样卷积中的所述残差网络模块对应跳层连接；

所述下采样卷积和第二上采样卷积进行分割腺体轮廓的特征提取时，所述第一上采样卷积中的所述残差网络模块与所述第二上采样卷积中的所述残差网络模块对应跳层连接；

所述对应跳层连接的层级处理的图像大小相同。

优选的，所述在待识别病理切片的数字图像上，将包含病灶的区域按照胃癌分型进行病灶等级的标注之前，还包括通过扫描得到待识别病理切片的数字图像；所述数字图像采用.svs、.kfb、.ndpi和.tif格式中的任意一种。

优选的，所述将包含病灶的区域按照胃癌分型进行病灶等级的标注，具体为采用胃癌病理WHO分型对包含病灶的区域进行病灶等级的标注。

优选的，所述得到标注图像后，所述将所述标注图像通过预训练的改进型U-net语义分割模型进行识别前，还包括对标注图像的数据整理；