[发明专利]一种数字病理图像制片质量评价方法

说明书

一种数字病理图像制片质量评价方法，包括：步骤S1：收集日常阅片中制片质量合格与不合格的苏木精和伊红(HE)染色切片；步骤S2：数字切片ROI区域选择与数据标注；步骤S3：根据标注信息生成用于训练的图块；步骤S4：训练质量评价指标的语义分割模型；步骤S5：WSI前景区域检测并计算前景区域的面积A_w。WSI全图首先在低倍率下进行前景检测，计算前景区域的面积；步骤S6：采用滑窗法推理并拼接语义分割的mask；步骤S7：推理结果可视化；步骤S8：计算分割的各指标的面积；步骤S9：设定各指标面积占比的阈值；步骤S10：切片多标签分类。本发明能够解决因制片原因导致的切片质量问题，减少人工审核时间，为重新扫描或重新染色制片减少时间。

技术领域

本发明涉及数字病理图像领域，特别涉及一种数字病理图像制片质量评价方法。

背景技术

近年来，随着AI技术在医疗领域的落地应用越来越多，将大大推动精准医疗的发展。然而，病理制片技术在制片由于人为因素，设备等原因，导致扫描的后的全视野数字切片(WSI)存在褶皱、折叠，裂隙，刀痕，污染物，厚度不均匀，空洞，玻片杂质等质量缺陷，往往很大程度上影响了医生的阅片效率和AI分析的准确性。目前，WSI技术与图像分析技术、人工智能在病理切片的质量评估、质量控制等方向研究中已有报道。然而通过视觉评估对日益增长的数字化切片图像进行手动质量控制是不可行的，需要采用自动化分析算法。WSI技术、AI技术在数字病理切片制片质量评价中完全适用，但目前在制片质量领域研究仍然较少，同时制片质量的分类标准较为笼统，大多集中研究模糊区域的识别，或使用传统的机器学习方法，如手工制作的特征，无法对海量组织样本中存在的潜在缺陷。本专利建立一种基于深度学习的HE染色数字病理图像制片质量评价方法。

如果能利用AI技术对数字化病理切片进行质控分析，识别制片时产生的褶皱、折叠，裂隙，刀痕，污染物，厚度不均匀，空洞，玻片杂质等常见的切片制片质量问题，在扫描时及时提示技术人员进行干预，能有效提高质控效率以及扫描优良率；同时数字化切片自动化质控能够为数字化扫描、AI质控、数字化阅片、AI分析等一系列的数字化流程提供基础，对日后的复诊和质控都大有益处，无论是效率还是经济性上都优于传统切片制片质控，具有较高的可行性及独特的优势。

公开号为CN 109191457 A的中国专利一种病理图像质量有效性识别方法，该方法首先收集数字病理图像，获取标注的成像良好区域和不良区域，训练卷积网络二分类模型，识别成像质量良好的区域和成像质量模糊区域。能到帮助医生自动判读切片是否存在模糊区域，提高制片到诊断的效率。但该方法没有考虑到其他制片质量问题，只针对成像模糊的问题。

公开号为CN 111986157 A的中国专利一种数字病理图像质量评价系统，该方法针对数字病理图像质量评价提出了图像重采样预处理模块，污迹检测模块进过图像预处理对原始组织区域进行卷积，获取原图与卷积图的差值，计算污迹的比例，针对扫描质量对原图进行滤波处理，同样获取差值图。该方法采用传统的图像处理方法，且需要与原图进行对比，受限于通过图像滤波后的特征过于简单，不能达到实际应用的地步。

发明内容

为解决背景技术中提到的常见的切片制片质量问题，本发明提供了一种数字病理图像制片质量评价方法。该方法能够实现对切片制片质量问题进行高效、快速检测并对切片质量进行定量评价，制片质量问题切片是指切片中存在褶皱、折叠，裂隙，刀痕，污染物，厚度不均匀，空洞，玻片杂质中的一种多个区域或多种。

为了达到上述目的，本发明采用以下技术方案实现：一种数字病理图像制片质量评价方法，包括以下步骤：

步骤S1：收集日常阅片中制片质量合格与不合格的苏木精和伊红(HE)染色切片。由病理医师收集日常阅片中遇到的制片质量问题的切片和制片质量合格的切片，得到HE染色数字病理切片数据集D；