[发明专利]一种膜性肾小球数据自主处理与智能分型方法

权利要求书

1.一种膜性肾小球数据自主处理与智能分型方法，其特征在于，所述分型方法包括以下步骤：

S1、在苏木精-伊红染色、过碘酸雪夫染色、过碘酸六胺银染色及马松染色四种染色环境下采集不同光照下高分辨率的膜性肾小球图像数据并对膜性肾小球进行边框及类型的标注；

S2、对所获取的膜性肾小球图像数据进行数据预处理；

S3、对预处理后的膜性肾小球图像数据中的边框数据进行聚类分析以获取初始设定的锚框尺寸；对预处理后的膜性肾小球图像数据中的类型数据进行统计分析以获取膜性肾小球类型的数据分布情况，进而根据各类型膜性肾小球的数据分布占比来划分膜性肾小球图像数据以及设定各类型膜性肾小球的学习加权大小；

S4、根据初始设定的锚框与数据划分参数建立并训练优化膜性肾小球智能分型级联模型，获得膜性肾小球的边框及分型结果；

S5、对所述膜性肾小球的边框及分型结果进行总体性的综合统计分析，从而获取总体膜性肾小球数据的智能评估结果。

2.根据权利要求1所述的一种膜性肾小球数据自主处理与智能分型方法，其特征在于，所述步骤S2中数据预处理的过程如下：

S21、标注数据统一化操作：对标注数据进行文件格式与编码转化以及归一化操作；

S22、图像缺损自检操作：对膜性肾小球图像数据进行图像缺损检查；

S23、几何数据增强操作：对膜性肾小球图像数据进行随机裁剪、随机旋转和随机翻转操作；

S24、染色数据增强操作：对膜性肾小球图像数据进行模板染色迁移处理；

S25、图像数据扩充操作：对膜性肾小球图像数据进行随机擦除、随机前后景混合、随机裁剪叠加及随机裁剪拼接的数据增强处理；

S26、自适应缩放操作：对膜性肾小球图像数据进行填充与传统缩放处理，并按比例对标注数据中的边框数据进行缩放；

S27、将上述步骤所获得的膜性肾小球图像数据及标注数据汇总作为膜性肾小球智能分型数据库。

3.根据权利要求2所述的一种膜性肾小球数据自主处理与智能分型方法，其特征在于，所述步骤S24中对膜性肾小球图像数据进行模板染色迁移处理的过程如下：

S241、根据膜性肾小球图像数据的颜色分布直方图选择占比最大的前5大颜色分量作为该膜性肾小球图像数据的主要颜色分量并进行编码处理，将最后输出的编码向量作为膜性肾小球图像数据的颜色分布特征向量；

S242、迭代采用聚类分析方法对颜色分布特征向量进行膜性肾小球图像数据染色差异的聚类与分析，并计算聚类后颜色分布特征向量的误差平方和SSE_color，从而绘制以聚类种类数K_color为横坐标，以SSE_color为纵坐标的K_color-SSE_color图并选择K_color-SSE_color图中转折点所对应的聚类种类作为最终的染色迁移模板数K_best-color；

S243、根据K_best-color进行聚类，并选择聚类后的聚类中心所对应的膜性肾小球图像作为最后的染色迁移模板；

S244、分别将染色迁移模板与待染色增强的膜性肾小球图像的颜色空间从以为红、绿、蓝的三基色颜色空间RGB转换到与设备无感知关的亮度颜色空间LAB，从而获取染色迁移模板的亮度分量l_c、绿红色分量a_c与蓝黄色分量b_c以及待染色增强的膜性肾小球图像的亮度分量l_g、绿红色分量a_g与蓝黄色分量b_g；

S245、分别计算染色迁移模板及待染色增强的膜性肾小球图像各分量的均值为ml_c、ma_c、mb_c与ml_g、ma_g与mb_g，同时分别计算染色迁移模板及待染色增强的膜性肾小球图像各分量的方差为σ²l_c、σ²a_c、σ²b_c与σ²l_g、σ²a_g与σ²b_g；

S246、获取染色迁移模板各分量自身与均值之间的差异值，计算公式如下：

S247、根据染色迁移模板与待染色增强的膜性肾小球图像各分量的方差比值对染色迁移模板各分量的差异值进行缩放，从而获取染色迁移模板与待染色增强的膜性肾小球图像各分量的颜色分布差异系数，计算公式如下：

S248、将步骤S247所获取的各分量的颜色分布差异系数与待待染色增强的膜性肾小球图像各分量的均值进行相加，从而获取染色增强后膜性肾小球图像在LAB空间上各分量的表达，计算公式如下：

S249、将染色增强后的膜性肾小球图像由LAB空间转换到RGB空间，从而获取最终染色增强后的膜性肾小球图像。