一种病理图像质量有效性识别方法.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CN109191457A(43)申请公布日2019.01.11(21)申请号201811106931.4(22)申请日2018.09.21(71)申请人中国人民解放军总医院地址100853北京市海淀区复兴路28号解放军总医院门诊9层皮肤科(72)发明人巴伟李承新王彬华邹进屹(74)专利代理机构北京科迪生专利代理有限责任公司11251代理人安丽(51)Int.Cl.G06T7/00(2017.01)权利要求书1页说明书4页附图4页(54)发明名称一种病理图像质量有效性识别方法(57)摘要本发明涉及一种病理图像质量有效性识别方法，收集病理图像，对病理图像中的成像病理切片的质量进行标注，形成标注信息；根据标注信息获取病理图像中成像质量良好和不良区域，所述成像质量良好区域是指有的区域细胞轮廓形态可见度很清晰，这样的区域就是成像质量好的区域；所述成像质量不良区域是指有些区域很模糊，这些区域就是成像质量不良区域；的两类样本数据，对所述两类样本数据进行训练，得到训练后的二分类器；利用二分类器分析病理图像的数据，得到分析结果图，根据判断规则确定病理图像中成像的病理切片是否符合临床上医生使用的要求。本发明可以大幅减少由于制片问题导致切片来回送读过程中的时间成本，提高制片到诊断的效率。CN109191457ACN109191457A权利要求书1/1页1.一种病理图像质量有效性识别方法，其特征在于：包括以下步骤：第一步，收集病理图像，对病理图像中的成像病理切片的质量进行标注，形成标注信息；第二步，根据第一步标注信息获取病理图像中成像质量良好和不良区域，所述成像质量良好区域是指有的区域细胞轮廓形态可见度很清晰，这样的区域就是成像质量好的区域；所述成像质量不良区域是指有些区域很模糊，这些区域就是成像质量不良区域；的两类样本数据，对所述两类样本数据进行训练，得到训练后的二分类器；第三步，利用第二步的二分类器分析第一步中病理图像的数据，得到分析结果图，根据判断规则确定病理图像中成像的病理切片是否符合临床上医生使用的要求。2.根据权利要求1所述的病理图像质量有效性识别方法，其特征在于：所述第二步，二分类器采用深度学习卷积神经网络。3.根据权利要求2所述的病理图像质量有效性识别方法，其特征在于：所述第二步，所述深度神经网络包括：卷积核，全连接层，激活函数，BN(batchnormalization)层，池化层；输入上一层的特征经过卷积核，然后经过BN层再经过激活函数，到输入下一层。4.根据权利要求2或3所述的病理图像质量有效性识别方法，其特征在于：所述第二步，所述深度神经网络还含有最大池化层。5.根据权利要求1所述的病理图像质量有效性识别方法，其特征在于：所述第三步，利用分析结果图进行判断的规则如下：将病理图分块，对每一块用模型预测其质量，最后统计一张大图中质量为良好区域所占半分比和不良区域所占百分比，设定一个百分比阈值，当不良率小于设定阈值时候判断为整图良好，当不良率大于设定阈值时候判断为该图质量不符合临床要求；同时也可能根据实际生产中的需求将这个阈值进行细分，满足不同的图像质量评价级别。6.根据权利要求1所述的病理图像质量有效性识别方法，其特征在于：所述第一步的具体过程为：从临床中获取病人的病理图像数据，标注整图上质量不合格的区域即认为看不清或不能识别的区域，将目视不清的区域用轮廓标出来，将数据切片分成两个类别，获得图片中良好区域和不良区域。2CN109191457A说明书1/4页一种病理图像质量有效性识别方法技术领域[0001]本发明涉及一种病理图像质量有效性识别方法，属于人工智能技术领域。背景技术[0002]病理切片分析是由精密仪器切割组织然后经过多个工序制成的用于根据细胞形态和模式判断疾病的一种方法。虽然国家对于病理切片具有很严格的标准，但是在具体医院实施过程中由于医院操作人员的水平参差不齐，工序实施过程中的各种误差导致最终成像的病理切片影像质量参差不齐，甚至有些切片由于工序的问题导致病理科医生无法识别，严重影像病理科医生的工作。[0003]目前，尚没有合适的全自动化病理图像切片成像质量判断工具和方法。发明内容[0004]本发明的技术解决问题是：克服现有技术的什么不足，提供一种病理图像质量有效性识别方法，提高了病理制作到病理科送读的效率，可以大幅减少由于制片问题导致切片来回送读过程中的时间成本，提高了制片到诊断的效率节约了病人的等待时间。[0005]本发明技术解决方案：一种病理图像质量有效性识别方法，包括以下步骤：[0006]第一步，收集病理图像，对病理图像中的成像病理切片的质量进行标注，形成标注信息；[0007]第二步，根据第一步标注信息获取病理图像中成像质量良好和不良区域，