[发明专利]一种HE染色切片图像中异常组织的分割方法和装置

权利要求书

1.一种HE染色切片图像中异常组织的分割方法，其特征在于，包括以下步骤：

获取异常器官和正常器官的HE染色切片图像并进行预处理，以构建正常组织样本集和异常组织样本集，其中，异常组织样本带有标注标签；

构建分割模型的训练系统，包括特征提取模块、特征缓存模块、特征分割模块，特征提取模块用于提取输入的异常组织样本的异常组织特征；特征缓存模块用于对输入的异常组织样本进行特征编码以得到异常组织编码特征并存储，还用于对输入的正常组织样本进行特征编码以得到正常组织编码特征并存储；特征分割模块用于对输入的异常组织特征进行分割预测以得到组织分割结果；

构建训练系统的损失函数，包括基于组织分割结果和标注标签的分割损失、基于异常组织特征和异常组织编码特征的域自适应对比损失，基于异常组织特征和正常组织编码特征的正异对比损失；

利用正常组织样本、异常组织样本以及损失函数优化训练系统的网络参数，网络参数优化结束后，提取参数确定的特征提取模块和特征分割模块组成分割模型；

利用分割模型实现HE染色切片图像中异常组织的分割；

其中，所述域自适应对比损失和所述正异对比损失采用相同的损失函数，为：

其中，d和均表示HE染色切片图像的索引，，i表示异常组织特征的索引，表示异常组织编码特征的索引，表示超参数，表示来自于第d个HE染色切片图像的第i个异常组织特征，表示来自于第d个HE染色切片图像的第j个异常组织编码特征，表示样本对（）的总数，符号表示求余弦相似度值；

当计算域自适应对比损失时，表示异常组织编码特征的索引，表示来自于第个HE染色切片图像的第个异常组织编码特征，表示来自于第个HE染色切片图像的异常组织编码特征的总数；

当计算正异对比损失时，表示正常组织编码特征的索引，表示来自于第个HE染色切片图像的第个正常组织编码特征，表示来自于第个HE染色切片图像的正常组织编码特征的总数。

2.根据权利要求1所述的HE染色切片图像中异常组织的分割方法，其特征在于，对HE染色切片图像进行预处理，包括：HE染色切片图像的染色归一化和染色扩增，HE染色切片图像中图像块的裁剪，图像块的尺度缩放、水平翻转、弹性形变，以及图像块中感兴趣区域的裁剪，裁剪的感兴趣区域包含了正常组织或异常组织，形成正常组织样本或异常组织样本。

3.根据权利要求1所述的HE染色切片图像中异常组织的分割方法，其特征在于，所述特征缓存模块包括特征编码单元和特征缓存单元，特征编码单元与特征提取模块结构相同，用于对输入的异常组织样本进行特征编码以得到异常组织编码特征，还用于对输入的正常组织样本进行特征编码以得到正常组织编码特征；

特征缓存单元包含两个缓存区，用于依据异常类和正常类分类存储异常组织编码特征和正常组织编码特征。

4.根据权利要求1或3所述的HE染色切片图像中异常组织的分割方法，其特征在于，在对异常组织编码特征进行存储时，还记录每个异常组织编码特征所属的HE染色切片图像ID，依据HE染色切片图像ID对异常组织编码特征进行分类存储。

5.根据权利要求1所述的HE染色切片图像中异常组织的分割方法，其特征在于，在构建基于组织分割结果和标注标签的分割损失时，以异常组织样本的组织分割结果与标注标签的交叉熵为分割损失；

以分割损失、域自适应对比损失以及正异对比损失的加权求和作为总损失函数。

6.根据权利要求1所述的HE染色切片图像中异常组织的分割方法，其特征在于，优化训练系统的网络参数时，首先，根据损失函数优化特征提取模块和特征分割模块的网络参数，然后，根据优化特征提取模块网络参数时所计算的动量来优化特征缓存模块的网络参数，保证特征缓存模块的网络参数的更新方向与特征提取模块的网络参数的更新方向相同，且保证特征缓存模块的网络参数的更新速度小于特征提取模块的网络参数的更新速度。