细胞标注方法、系统和装置.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CN109544561A(43)申请公布日2019.03.29(21)申请号201811318835.6(22)申请日2018.11.07(71)申请人杭州迪英加科技有限公司地址311121浙江省杭州市余杭区仓前街道龙潭路7号杭州未来研创园B座5楼B501-B508室(72)发明人薛丽影崔灿谢园普杨林(74)专利代理机构杭州华知专利事务所(普通合伙)33235代理人张德宝(51)Int.Cl.G06T7/11(2017.01)G06T7/13(2017.01)G16H30/20(2018.01)权利要求书2页说明书9页附图5页(54)发明名称细胞标注方法、系统和装置(57)摘要本发明公开了一种细胞标注方法、系统和装置。其中，该方法包括：显示数字病理切片图像，其中，数字病理切片图像包含多个细胞；接收框选指令，其中，框选指令用于在数字病理切片图像上确定一个框选区域，框选区域内包含数字病理切片图像上待标注的一个或多个细胞；根据框选指令，生成框选区域内每个细胞的形状轮廓；接收对任意一个形状轮廓内的细胞添加的标注信息。本发明实现了动态展现数据标记结果，以增强用户等待数据输出过程中的用户体验的技术效果。CN109544561ACN109544561A权利要求书1/2页1.一种细胞标注方法，其特征在于，包括：显示数字病理切片图像，其中，所述数字病理切片图像包含多个细胞；接收框选指令，其中，所述框选指令用于在所述数字病理切片图像上确定一个框选区域，所述框选区域内包含所述数字病理切片图像上待标注的一个或多个细胞；根据所述框选指令，生成所述框选区域内每个细胞的形状轮廓；接收对任意一个形状轮廓内的细胞添加的标注信息。2.根据权利要求1所述的方法，其特征在于，根据所述框选指令，生成每个细胞的形状轮廓，包括：获取所述框选指令对应的框选区域图像；基于深度学习神经网络模型，根据所述框选区域图像生成相应的概率矩阵，其中，所述概率矩阵中的每个元素的值用于表征框选区域图像中每个像素点在细胞区域内的概率；根据所述概率矩阵，生成每个细胞的形状轮廓。3.根据权利要求2所述的方法，其特征在于，根据所述概率矩阵，生成每个细胞的形状轮廓，包括：对所述概率矩阵进行归一化处理；基于形态闭运算去除图像前景中的噪点；将图像进行梯度变换，得到相应的梯度图；基于分水岭算法，根据所述梯度图确定每个细胞的形状轮廓。4.根据权利要求2所述的方法，其特征在于，在基于深度学习神经网络模型，根据所述框选区域图像生成相应的概率矩阵之前，所述方法还包括：将所述框选区域图像转换为相应的灰度图；对所述灰度图进行直方图均衡化处理，得到对比度增强的图像；采用高斯滤波对所述对比度增强的图像进行降噪处理，得到降噪后的图像；通过如下函数对所述降噪后的图像进行标准化处理，得到所述深度学习神经网络模型的输入图像：其中，x*表示标准化处理后的像素灰度值，x表示标准化处理前的像素灰度值，μ表示灰度图的灰度平均值，σ表示灰度图的灰度标准差。5.根据权利要求1所述的方法，其特征在于，在根据所述框选指令，生成所述框选区域内每个细胞的形状轮廓之后，包括：将所述数字病理切片图像以所述框选区域内的细胞为中心在界面上显示。6.根据权利要求5所述的方法，其特征在于，在将所述数字病理切片图像以所述框选区域内的细胞为中心在界面上显示之后，包括：接收缩放指令，其中，所述缩放指令用于缩小或放大界面上显示的数字病理切片图像；根据所述缩放指令，调整界面上显示的数字病理切片图像。7.一种细胞标注系统，其特征在于，包括：前端设备，用于显示数字病理切片图像，并接收框选指令，其中，所述数字病理切片图像包含多个细胞，所述框选指令用于在所述数字病理切片图像上确定一个框选区域，所述2CN109544561A权利要求书2/2页框选区域内包含所述数字病理切片图像上待标注的一个或多个细胞后台服务器，与所述前端设备通信，用于根据所述框选指令，生成所述框选区域内每个细胞的形状轮廓；其中，所述前端设备还用于接收对任意一个形状轮廓内的细胞添加的标注信息。8.一种细胞标注系统，其特征在于，包括：显示屏，用于显示数字病理切片图像，其中，所述数字病理切片图像包含多个细胞；输入设备，用于接收框选指令，其中，所述框选指令用于在所述数字病理切片图像上确定一个框选区域，所述框选区域内包含所述数字病理切片图像上待标注的一个或多个细胞；处理器，与所述显示屏连接，用于根据所述框选指令，生成所述框选区域内每个细胞的形状轮廓；其中，所述输入设备还用于接收对任意一个形状轮廓内的细胞添加的标注信息。9.一种细胞标注装置，其特征在于，包括：显示模块，用于显示数字病理切片图像，其中，所述数字病理切片图像包含多个细胞；第一接收模块，用于接