一种基于机器学习的病理切片刀痕判别方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113724234A(43)申请公布日2021.11.30(21)申请号202111026319.8G16H30/40(2018.01)(22)申请日2021.09.02G16H70/60(2018.01)(71)申请人山东省千佛山医院地址250014山东省济南市历下区经十路16766号(72)发明人孙青成玉霞鹿伟张贵慧(74)专利代理机构济南圣达知识产权代理有限公司37221代理人宋海海(51)Int.Cl.G06T7/00(2017.01)G06T7/11(2017.01)G06T5/20(2006.01)G06N20/00(2019.01)G16H30/20(2018.01)权利要求书2页说明书6页附图3页(54)发明名称一种基于机器学习的病理切片刀痕判别方法及系统(57)摘要本发明提供一种基于机器学习的病理切片刀痕判别方法及系统，属于计算医学和人工智能技术领域。本发明病理切片刀痕判别方法，包括：对获取病理切片图片进行预处理获得黑白图片图像；对所述黑白图片图像基于选择性搜索目标检测的方法判定可疑区域；基于刀痕规则对上述获得的可疑区域进行筛选。所述方法还包括：根据刀痕的矩阵框四个顶点坐标，将刀痕在二值化处理后的图片中标识出来；并通过将二值化图片刀痕位置的坐标映射到原图相应坐标的方法，将判定的刀痕区域在原图中显示出来。基于上述方法从而实现基于图像的切片优良率的智能化判断，因此具有良好的实际应用之价值。CN113724234ACN113724234A权利要求书1/2页1.一种基于机器学习的病理切片刀痕判别方法，其特征在于，包括：对获取病理切片图片进行预处理获得黑白图片图像；对所述黑白图片图像基于选择性搜索目标检测的方法判定可疑区域；基于刀痕规则对上述获得的可疑区域进行筛选。2.如权利要求1所述的病理切片刀痕判别方法，其特征在于，所述方法还包括：根据刀痕的矩阵框四个顶点坐标，将刀痕在二值化处理后的图片中标识出来；并通过将二值化图片刀痕位置的坐标映射到原图相应坐标的方法，将判定的刀痕区域在原图中显示出来。3.如权利要求1所述的病理切片刀痕判别方法，其特征在于，对获取病理切片图片进行预处理获得黑白图片图像的具体方法包括：采用python的cv2读取图片，通过颜色空间转化，得到灰度化图片，将其灰度通过二值化处理，经过开闭运算后的图像，获取黑白图片。4.如权利要求1所述的病理切片刀痕判别方法，其特征在于，对所述黑白图片图像基于选择性搜索目标检测的方法判定可疑区域的具体方法包括：首先使用高斯滤波器对黑白图片进行处理；优选的，高斯滤波器的sigma取0.5‑1.0，优选为0.9；scale取值为800‑1200，进一步优选为1000。5.如权利要求1所述的病理切片刀痕判别方法，其特征在于，所述刀痕规则采用采样的边线十分位坐标点像素值进行定义，具体规则如下：1)如果上边，下边和中间水平线分别有超过6个点像素值是0，则判定为刀痕；2)如果上边，下边和四分之一水平线分别有超过6个点像素值是0，则判定为刀痕；3)如果上边，下边和四分之三水平线分别有超过6个点像素值是0，则判定为刀痕；4)如果左边，右边和中轴线分别有超过6个点像素值是0，则判定为刀痕；5)如果左边，右边和四分之一垂直线分别有超过6个点像素值是0，则判定为刀痕；6)如果左边，右边和四分之三垂直线分别有超过6个点像素值是0，则判定为刀痕；7)不满足以上1)‑6)任意一种条件的其他情况，判定为非刀痕。6.如权利要求5所述的病理切片刀痕判别方法，其特征在于，采样的边线十分位坐标点像素值通过以下方法获得：1)定义对坐标点的采样：输入矩形框的坐标及采样点的个数，通过线性分割坐标，分别记录上下左右四条边及中线，四分位线的十分位点的坐标；2)记录采样点的像素值是0或者是1的概率：遍历二值化后的图像的边界的每个十分位坐标点，若是0则加入zero_num集合，若是1则加入one_num集合。7.一种基于机器学习的病理切片刀痕判别系统，其特征在于，所述系统包括：图片预处理模块，用于将得到的病理切片图片经过预处理输出黑白图片图像；目标检测模块，基于选择性搜索算法对黑白图片图像进行处理，输出可疑区域；刀痕规则模块，对所述可疑区域基于刀痕规则进行筛选。8.如权利要求7所述的系统，其特征在于，所述目标检测模块包括高斯滤波器；所述刀痕规则采用采样的边线十分位坐标点像素值进行定义，具体规则如下：1)如果上边，下边和中间水平线分别有超过6个点像素值是0，则判定为刀痕；2)如果上边，下边和四分之一水平线分别有超过6个点像素值是0，则判定为刀痕；3)如果上边，下边和四分之三水平线分别有超过6个点像素值是0，则判定为刀痕；4)如果左边，右边和中轴线