[发明专利]一种病理图像AI分析结果的存储及显示方法

说明书

本发明提供一种病理图像AI分析结果的存储及显示方法，包括以下步骤，构建三维坐标系，并在三维坐标系中设若干层级且大小相同的网格区域；根据每一层级网格区域的坐标，将同一病理图像分别分布到各层网格区域；根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储。本发明的存储方法，对病理图像的AI分析结果采用分层和分块的存储方式，在显示AI结果时，根据浏览器窗口所处的视野层级和区域坐标，动态地查询出其所对应的网格内的数据并在浏览器上进行渲染有效降低了渲染要求，并防止了浏览器出现卡顿和崩溃。

技术领域

本发明属于计算机视觉图像处理技术领域，尤其涉及一种病理图像AI分析结果的存储及显示方法。

背景技术

病理切片数字化是指将病理切片通过高通量扫描仪进行扫描，采集得到高分辨率图片，再通过计算机应用将所得的图像进行高精度无缝拼接和处理，得到超高分辨率的全场扫描图像。一张数字病理全场图像是由上亿像素组成，往往包含数十万甚至上百万个细胞。在当前病理科智慧化的大背景下，病理诊断通常与人工智能辅助判读相结合，使用深度神经网络对病理图像进行分析后， 再将分析结果渲染成矢量图覆盖到全场图像上，且这些矢量图标注是可以进行增删和修改的。

常见的细胞检测、细胞分割等人工智能算法，需要将每个细胞的中心位置或是轮廓都渲染到全场图上。一次性绘制大量的矢量图，会大量消耗客户端CPU和内存资源，且需要较长的渲染时间，从而导致客户端的卡顿甚至崩溃，影响客户的使用体验。除此之外，病理医生在实际诊断的过程中，会需要对局部区域的细胞或是组织进行量化分析，而这种局部区域又是根据医生观察的视野动态改变的。

发明内容

本发明的主要目的是提出一种病理图像AI分析结果的存储及显示方法，旨在解决图片渲染导致客户端的卡顿和崩溃以及不能根据医生实时观察的视野进行动态地量化分析的技术问题。

为实现上述目的，本发明提出一种病理图像AI分析结果的存储方法，包括以下步骤：

构建三维坐标系，并在三维坐标系中设若干层级大小相同的网格区域；

根据每一层级网格区域的坐标，将同一病理图像分别分布到各层网格区域；

根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储。

可选的，构建三维坐标系，并在三维坐标系中设若干层级大小相同的网格区域的步骤中，网格视野区域的大小随层级减小而呈指数级增大，且最大网格区域正适应全分辨率的病理图像。

可选的，根据每一层级网格区域的坐标，将同一病理图像分别分布到各层网格区域的步骤中，各网格区域中网格的边长均为d像素，且每一网格在不同层级中对应的全分辨率视野区域的边长为像素，其中N为最大层级，z为当前层级，d为网格的边长。

可选的，根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储的步骤中，标记点的坐标)，对应的网格坐标，其中，，z为当前层级，d为网格的边长。

可选的，根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储的步骤中，标记点在病理图像上的位置为AI分析检测到的细胞核中心位置。

可选的，根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储的步骤中，随着层级的减小，对每一层级中存储的标记点的个数做下采样。

可选的，根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储的步骤中，当某一层级的标记点的个数小于一定数量时，停止做下采样。

可选的，根据病理图像上AI分析产生的标记点的坐标，换算成其对应的网格坐标，并进行存储的步骤中，做下采样后的层级中存储的标记点个数随着层级的减小而呈指数级减少。