CN109978849B - 基于数字病理图像的基线细胞确定方法、装置及可读介质 - Google Patents
基于数字病理图像的基线细胞确定方法、装置及可读介质 Download PDFInfo
- Publication number
- CN109978849B CN109978849B CN201910213720.9A CN201910213720A CN109978849B CN 109978849 B CN109978849 B CN 109978849B CN 201910213720 A CN201910213720 A CN 201910213720A CN 109978849 B CN109978849 B CN 109978849B
- Authority
- CN
- China
- Prior art keywords
- image
- cells
- cell
- baseline
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000007170 pathology Effects 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000001575 pathological effect Effects 0.000 claims abstract description 103
- 239000000178 monomer Substances 0.000 claims abstract description 74
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 6
- 201000010099 disease Diseases 0.000 abstract description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 6
- 210000004027 cell Anatomy 0.000 description 329
- 238000010586 diagram Methods 0.000 description 9
- 238000010827 pathological analysis Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 208000007879 Atypical Squamous Cells of the Cervix Diseases 0.000 description 4
- 206010008263 Cervical dysplasia Diseases 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000120 cytopathologic effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 210000004085 squamous epithelial cell Anatomy 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010003694 Atrophy Diseases 0.000 description 1
- 108010077544 Chromatin Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000037444 atrophy Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000003855 cell nucleus Anatomy 0.000 description 1
- 230000005859 cell recognition Effects 0.000 description 1
- 210000003483 chromatin Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 210000000805 cytoplasm Anatomy 0.000 description 1
- 230000001086 cytosolic effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003780 keratinization Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004940 nucleus Anatomy 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 206010041823 squamous cell carcinoma Diseases 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Informatics (AREA)
- Dispersion Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明实施例公开了一种基于数字病理图像的基线细胞确定方法、装置、终端及计算机可读介质,其中,所述方法包括:获取待处理的数字病理图像;对所述待处理的数字病理图像进行图像识别,确定所述待处理的数字病理图像中的至少一个单体细胞;在所述至少一个单体细胞中,查找满足预设的基线细胞判定条件的目标单体细胞;将查找到的目标单体细胞作为目标基线细胞。采用本发明实施例,可提高基线细胞确定的客观性和准确性,可高后期的数字病理图像判读的准备性以及疾病治疗的精准度。
Description
技术领域
本发明涉及数字图像处理及病理诊断技术领域,具体涉及一种基于数字病理图像的基线细胞确定方法、装置、终端及可读介质。
背景技术
显微镜下病理学的诊断方法,目前是疾病诊断工作中准确性最高的方法之一,病理诊断也往往被称之为“金标准”。随着计算机技术的发展,数字病理不再局限在显微镜下病理学图像,逐渐迁移到计算机显示屏上。通过数字病理切片扫描仪可以获取病理切片对应的数字病理图像,对该数字病理图像进行分析来进行相应的病理诊断。
基于数字病理图像的病理诊断更多的还是基于医护人员(例如病理专家或普通病理医生),一般来讲,顶级医疗单位的高水平病理专家的诊断的一致性较高、差异性较小。但是,在宫颈细胞病理学检查中,对于ASC-US(不能明确意义的非典型鳞状上皮细胞)的认识存在较大的差异,即便是同一位高水平病理专家,在不同的时间内对ASC-US的认识也同样存在重复性差的问题。这是因为,ASC-US属于介于正常与典型病变之间的灰区病变。虽然根据2014版TBS的定义:(a)核面积约为正常中层鳞状细胞核的2.5-3倍,大约35μm2;(b)核质比(N/C)轻度增高;(c)核轻度深染,染色质分布或核形不规则;(d)核异常伴随胞质的强嗜橘黄色改变(非典型角化不全)。但以上标准,同时满足还是满足任意几条,不同医疗单位不同医生的标准不完全一致;每个细胞病理医生对上述定义的理解又完全不同,2.5-3倍,35μm2等这些量化指标,人在显微镜端或者显示屏上无法直接准确判读,只能依靠经验性判读或者计算机测量;对于“轻度增高”、“轻度深染”等,轻度的程度很难达成一致性的理解。这就导致了在宫颈细胞病理学检查过程中,对宫颈细胞的数字病理图像的判读会因为不同的医护人员、不同的诊断时间等出现不同的医学判读结果,从而带来了不同的治疗方案。
也就是说,上述对宫颈细胞的数字病理图像的判读过程中对于ASC-US等细胞的判断和识别存在一致性不足的问题,即对宫颈细胞的数字病理图像的判读不够客观,从而造成了对宫颈细胞的数字病理图像的判读的准确性不足,影响了后期的疾病治疗的精准度。
发明内容
基于此,在本实施例中,提出了一种基于数字病理图像的基线细胞确定方法、装置、终端及可读介质,能通过设定基线细胞判读的基本原则来客观地朝找基线细胞,提高了基线细胞确定的客观性和准确性,从而提高了后期的数字病理图像判读的准备性以及疾病治疗的精准度。
本发明解决上述技术问题的技术方案如下:
本发明第一方面提供一种基于数字病理图像的基线细胞确定方法,包括:
获取待处理的数字病理图像;
对所述待处理的数字病理图像进行图像识别,确定所述待处理的数字病理图像中的至少一个单体细胞;
在所述至少一个单体细胞中,查找满足预设的基线细胞判定条件的目标单体细胞;
将查找到的目标单体细胞作为目标基线细胞。
可选的,所述查找满足预设的基线细胞判定条件的目标单体细胞的步骤之后,还包括:确定所述查找到的满足预设的基线细胞判定条件的目标单体细胞的查找数量大于或等于预设的数量阈值。
可选的,所述确定所述查找到的满足预设的基线细胞判定条件的目标单体细胞的查找数量大于或等于预设的数量阈值的步骤之后,还包括:在所述查找数量大于预设的数量阈值的情况下,在所述查找到的满足预设的基线细胞判定条件的目标单体细胞中,筛选出预设是数量阈值的目标单体细胞作为所述目标基线细胞。
可选的,所述将查找到的目标单体细胞作为目标基线细胞的步骤之前,还包括:在所述查找数量小于预设的数量阈值的情况下,获取与所述待处理的数字病理图像相邻的其他数字病理图像,将所述相邻的其他数字病理图像中的目标基线细胞作为所述目标基线细胞;或,在未查找到满足预设的基线细胞判定条件的目标单体细胞的情况下,获取与所述待处理的数字病理图像相邻的其他数字病理图像,将所述相邻的其他数字病理图像中的目标基线细胞作为所述目标基线细胞。
可选的,所述获取待处理的数字病理图像的步骤之后,还包括:按照预设的图像切割算法对所述待处理的数字病理图像进行切割,获取切割后的子图像,将所述子图像作为待处理的数字病理图像并执行所述对所述待处理的数字病理图像进行图像识别的步骤。
可选的,所述按照预设的图像切割算法对所述待处理的数字病理图像进行切割,获取切割后的子图像的步骤,还包括:获取切割后的多个子图像;按照预设的图像评价算法获取所述多个子图像进行图像对应的图像质量评分;将所述图像质量评分最高的子图像作为待处理的数字病理图像并执行所述对所述待处理的数字病理图像进行图像识别的步骤。
可选的,所述在所述至少一个单体细胞中,查找满足预设的基线细胞判定条件的目标单体细胞的步骤,还包括:遍历所述至少一个单体细胞;判断所述遍历到的单体细胞是否满足细胞颜色为预设颜色、细胞体积大于或等于预设的体积阈值、细胞所在类别的数量占比是否大于预设的占比阈值、和/或细胞所在图像区域是否包含其他细胞中的一个或多个;若是,将该遍历到的单体细胞作为所述目标单体细胞。
在本发明的第二方面,提出了一种基于数字病理图像的基线细胞确定装置,所述装置包括:
图像获取模块,用于获取待处理的数字病理图像;
细胞识别模块,用于对所述待处理的数字病理图像进行图像识别,确定所述待处理的数字病理图像中的至少一个单体细胞;
细胞查找模块,用于在所述至少一个单体细胞中,查找满足预设的基线细胞判定条件的目标单体细胞;
基线细胞确定模块,用于将查找到的目标单体细胞作为目标基线细胞。
在本发明的第三方面,还提出了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:
获取待处理的数字病理图像;
对所述待处理的数字病理图像进行图像识别,确定所述待处理的数字病理图像中的至少一个单体细胞;
在所述至少一个单体细胞中,查找满足预设的基线细胞判定条件的目标单体细胞;
将查找到的目标单体细胞作为目标基线细胞。
在本发明的第四方面,还提出了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:
获取待处理的数字病理图像;
对所述待处理的数字病理图像进行图像识别,确定所述待处理的数字病理图像中的至少一个单体细胞;
在所述至少一个单体细胞中,查找满足预设的基线细胞判定条件的目标单体细胞;
将查找到的目标单体细胞作为目标基线细胞。
实施本发明实施例,将具有如下有益效果:
采用了上述基于数字病理图像的基线细胞确定方法、装置、终端及计算机可读介质之后,在扫描获取到与细胞样本病理切片对应的数字病理图像之后,对该数字病理图像进行图像识别,确定图像中包含的多个单体细胞,然后对该多个单体细胞进行是否满足基线细胞基线细胞判定条件的判断,以确定该多个单体细胞中可以作为基线细胞的目标单体细胞;最后将确定的目标单体细胞作为该数字病理图像的目标基线细胞。也就是说,通过计算机图像处理来辅助判读数字病理图像的病理分析,即设定了基线细胞判定条件作为基线细胞确定的客观性条件,对后续的病理判读提供内部对照和参考基线。采用本发明实施例,提高了对宫颈细胞等数字病理图像的判读的客观性,提高了对宫颈细胞的数字病理图像的判读的准确性,进而进一步提高了后期的疾病治疗的精准度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
其中:
图1为一个实施例中一种基于数字病理图像的基线细胞确定方法的流程示意图;
图2为一个实施例中数字病理图像的图像切割示意图;
图3为一个实施例中数字病理图像的单体细胞示意图;
图4为一个实施例中目标基线细胞确定的流程示意图;
图5为一个实施例中目标基线细胞确定的流程示意图;
图6为一个实施例中目标基线细胞确定的流程示意图;
图7为一个实施例中一种基于数字病理图像的基线细胞确定装置的结构示意图;
图8为一个实施例中运行上述基于数字病理图像的基线细胞确定方法的计算机设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本实施例中,特提出了一种基于数字病理图像的基线细胞确定方法,该方法的实现可依赖于计算机程序,该计算机程序可运行于基于冯诺依曼体系的计算机系统之上,该计算机程序可以是对数字病理图像进行病理判读的应用程序。该计算机系统可以是运行上述计算机程序的例如智能手机、平板电脑、个人电脑等计算机设备。
在本实施例中,在需要进行病理学检查的情况下,获取相应的细胞样本并制作细胞样本病理切片,然后将该病理切片放置入数字病理切片扫描仪中,通过扫码来获取与病理切片对应的数字病理图像,然后再病理学判读的过程中对该数字病理图像进行判读。也就是说,在本实施例中,细胞病理学检查不是人眼直接在显微镜下进行细胞学检查,而是通过数字病理切片扫描仪获取病理切片的数字病理图像,然后通过对数字病理图像的分析、判断来确定相应的病理学检查结果。
如图1所示,在一个实施例中,提供了一种基于数字病理图像的基线细胞确定方法,具体包括如下步骤S102-S108:
步骤S102:获取待处理的数字病理图像。
在本实施例中,在需要进行相应的病理分析时,制作对应的细胞病理切片,然后将制作好的细胞病理切片放置入数字病理切片扫描仪中进行扫描,以获取对应的数字病理图像。例如,将制作好的宫颈细胞病理切片放置入数字病理切片扫描仪中以获取与该宫颈细胞对应的数字病理图像。
上述扫描得到的数字病理图像即为待处理的数字病理图像。在本实施例中,直接对该数字病理图像进行分析以确定相应的病理分析结果。
在另一个实施例中,为了进一步的提高数字病理图像分析的准确性,还可以对上述直接得到的数字病理图像进行切割,将切割后的小图像作为待处理的数字病理图像作为分析目标。
具体的,上述步骤S102:获取待处理的数字病理图像的步骤之后,还包括:按照预设的图像切割算法对所述待处理的数字病理图像进行切割,获取切割后的子图像,将所述子图像作为待处理的数字病理图像。在一个实施例中,按照随机性的切割方式,将数字病理图像进行随机性的切割,在切割后的多个子图像中随机性地选取一个子图像作为待处理的数字病理图像。或者,按照预设的图像切割算法,对上述待处理的数字病理图像切割,例如,按照预设的尺寸对数字病理图像进行切割,然后在预设尺寸下的子图像中筛选出一个子图像作为待处理的数字病理图像。
在另一个实施例中,为了进一步的提高数字病理图像的病理分析的准确性,还需要考虑进行分析的子图像是否满足一定的分析需求,例如,图像是否清晰、图像中包含的的细胞数量是否满足最低限要求、图像中是否包含了一定数量的各种颜色/形状的细胞。具体的,上述按照预设的图像切割算法对所述待处理的数字病理图像进行切割,获取切割后的子图像的步骤,还包括:获取切割后的多个子图像;按照预设的图像评价算法获取所述多个子图像进行图像对应的图像质量评分;将所述图像质量评分最高的子图像作为待处理的数字病理图像。
上述对每个子图像进行图像质量评分的过程可以是通过预设的图像质量评价算法进行评价的。例如,评价子图像的清晰度、评价子图像中各个颜色通道下的像素点数量等。可以根据后续的细胞病理分析的具体需求,来确定本步骤中的图像评价算法的具体算法。
例如,如图2所示,图2展示了对数字病理图像进行切割获取小尺寸的子图像作为待处理的数字病理图像的示意图。
步骤S104:对所述待处理的数字病理图像进行图像识别,确定所述待处理的数字病理图像中的至少一个单体细胞。
因为后续需要对数字病理图像中的每一个细胞进行是否为满足要求的基线细胞的判断,因此首先需要对上述待处理的数字病理图像进行图像识别,以确定在数字病理图像中的所有的单体细胞。
在本实施例中,在识别数字病理图像中的单体细胞时,可以通过预设的图像识别算法来确定数字病理图像中的所有的单体细胞,其中单体细胞为在数字病理图像中可以分辨的单个的细胞图案和区域。并且,在本实施例中,不对识别单体细胞的算法进行限定,任意的可以实现对单体细胞对应的图像区域进行识别和切割的图像识别算法均在本实施例的保护范围中。
步骤S106:在所述至少一个单体细胞中,查找满足预设的基线细胞判定条件的目标单体细胞;
步骤S108:将查找到的目标单体细胞作为目标基线细胞。
在本实施例中,在数字病理图像中识别出了多个单体细胞,对识别出来的多个单体细胞进行筛选,以确定可以作为基线细胞的待选单体细胞。
具体的,在数字病理图像中随机性选择n个单体细胞,n>2;且选择的单体细胞还需要满足以下要求(基线细胞判定条件):
(1)选择蓝绿色细胞,排除橙红色、混合色细胞等;
(2)选择较为分散的单个细胞,排除成片、巢等不易分割的细胞;
(3)选择占比较多的细胞,排除少数类别的细胞;
(4)选择细胞体积较大细胞,排除体积较小的细胞;
将上述筛选基线细胞的过程中的相关细胞筛选的标准和要求,转换成计算机进行图像识别和图像处理中的相关算法,然后在本步骤中,对数字病理图像中的多个单体细胞按照上述基线细胞判定条件来筛选满足要求的单体细胞(即目标单体细胞)。
在多个单体细胞中查找到满足预设的基线细胞判定条件的目标单体细胞之后,即可将查找到的目标单体细胞作为后续进行病理判读和分析的基线细胞(即目标单体细胞)。
具体的,对于数字病理图像中的多个单体细胞,首先随机性地选择n个单体细胞,然后,对于该n个单体细胞,分别做如下判断和筛选:
条件(a):遍历n个单体细胞,对于遍历到的单体细胞,判断其颜色是否属于预设的蓝绿色,并且,确定其颜色不属于橙红色、混合色,将满足要求的单体细胞作为备选单体细胞;
条件(b):对于遍历到的单体细胞,判断该单体细胞是否为分散的单个细胞,并且,确定该单体细胞不属于成片、成巢等不易分隔的细胞,将满足要求的单体细胞作为备选单体细胞;
条件(c):对于遍历到的单体细胞,分别确定其所属类别,然后计算该单体细胞所属类别的在数字病理图像中的包含的所有的单体细胞中所在的比例,在其比例大于或等于预设的占比阈值的情况下,将其作为备选单体细胞;
条件(d):判断遍历到的单体细胞,计算该单体细胞的体积或面积大小,将体积/面积大于或等于预设的体积/面积大小阈值的情况下,将其作为备选单体细胞。
在本实施例中,将满足上述条件(a)、(b)、(c)、(d)的单体细胞视为满足预设的基线细胞判定条件的单体细胞,即为目标单体细胞。也就是说,在本实施例中,通过对单体细胞是否满足条件(a)、(b)、(c)、(d)的判断过程来替代原来的人工进行判断的判断过程,以提高相应的基线细胞确定的客观性。
在本实施例中,目标单体细胞即可作为后续进行病理分析和判读的目标基线细胞。
进一步的,在本实施例中,为了保证后续的对于数字病理图像的病理判读的准确性和数据的可参考性,因此,在本实施例中,还需要对于查找到的目标单体细胞的数量进行进一步的确认。
具体的,如图4所示,上述查找满足预设的基线细胞判定条件的目标单体细胞的步骤之后,还包括:确定所述查找到的满足预设的基线细胞判定条件的目标单体细胞的查找数量大于或等于预设的数量阈值。
在本实施例中,预设的数量阈值N即为目标基线细胞的最低数量,也就是说,如果查找到的目标单体细胞的数量少于该预设的数量阈值,则不将其作为目标基线细胞,只有在查找到的目标单体细胞的数量大于或等于该预设的数量阈值的情况下,才将查找到的目标单体细胞作为目标基线细胞。
例如,上述预设的数量阈值为3或者5、或者其他预选的数值,该数值以大于1为优,这是因为一定数量的目标基线细胞作为参考,其平均平均更能代表基线细胞的平均水平。
进一步的,在查找到的满足预设的基线细胞判定条件的目标单体细胞的数量过大的情况下,在后续的细胞比对和判断的过程中的计算量会过大。因此,在本实施例中,还需要控制目标基线细胞的数量大小不超过一定的阈值。
具体的,如图5所示,上述确定所述查找到的满足预设的基线细胞判定条件的目标单体细胞的查找数量大于或等于预设的数量阈值的步骤之后,还包括:在所述查找数量大于预设的数量阈值的情况下,在所述查找到的满足预设的基线细胞判定条件的目标单体细胞中,筛选出预设是数量阈值的目标单体细胞作为所述目标基线细胞。
也就是说,如果查找到的满足预设的基线细胞判定条件的目标单体细胞的数量大于上述预设的数量阈值,则需要减少作为目标基线细胞的目标单体细胞的数量。具体的,在所述查找数量大于预设的数量阈值的情况下,在查找到的M个目标单体细胞中,筛选出N个目标单体细胞,并将筛选出来的N个目标单体细胞作为目标基线细胞,这样就保障了目标基线细胞的数量与预设的数量阈值之间是匹配的。
如前所述,在数字病理图像中能查找出目标基线细胞的情况下,即可通过上述步骤S102-S108确定该数字病理图像中的目标基线细胞。但是,还有一种可能性为在数字病理图像中未能查找出目标基线细胞,在此种情况下,还需要通过其他方法确定该数字病理图像的目标基线细胞。
在一个具体的实施例中,在待处理的数字病理图像为根据病理切片获取的数字病理图像中切割得到的子图像的情况下,如果在当前的子图像中未查找到目标基线细胞,则可以在数字病理图像的其他子图像中按照上述步骤S102-S108中查找目标基线细胞作为待处理的数字病理图像的目标基线细胞。
另外,在不存在其他子图像或者数字病理图像切割的情况下,若未查找到满足条件的目标基线细胞,则可以在与数字病理图像对应的待测试用户的其他数字病理图像中查找目标基线细胞;或者,在同批次的数字病理图像中查找目标基线细胞。
具体的,如图6所示,上述将查找到的目标单体细胞作为目标基线细胞的步骤之前,还包括:在所述查找数量小于预设的数量阈值的情况下,获取与所述待处理的数字病理图像相邻的其他数字病理图像,将所述相邻的其他数字病理图像中的目标基线细胞作为所述目标基线细胞;或,在未查找到满足预设的基线细胞判定条件的目标单体细胞的情况下,获取与所述待处理的数字病理图像相邻的其他数字病理图像,将所述相邻的其他数字病理图像中的目标基线细胞作为所述目标基线细胞。
也就是说,在当前的数字病理图像中未查找到满足条件的目标基线细胞(未查找到、或查找到的数量小于数量阈值)的情况下,则在相邻的其他数字病理图像(相邻的其他数字病理图像包含同一待测试用户的其他数字病理图像和同一批次的其他用户的数字病理图像)中查找目标基线细胞来作为当前待处理的数字病理图像的目标基线细胞。
综上所述,采用了单病理切片样本和多病理切片样本结合的方式来确定目标基线细胞,这样子在优先保证了数字病理图像的基线细胞确定的准确率的情况下,对于萎缩病例、明显的鳞状细胞癌病例等缺乏中层鳞状上皮细胞的病例中,次优采用同一待测试用户、同一批次内的毗邻的病理切片样本或者组内随机定义的满足上述条件的基线细胞作为该当前数字病理图像的目标基线细胞。
并且,在本实施例中,优先采用病理切片样本自身的数字病理图像,在不满足条件的情况下,次优采用同一待测试用户的其他病理切片样本、再采用同一批次的毗邻的病理切片样本、或者采用同一批次的病理切片样本中随机选择的病理切片样本。也就是说,采用了两种基线细胞确定的模式,提高了基线细胞确认的成功率,提高了后续的病理判读的准确性。
进一步的,如图7所示,在本实施例中,还提出了一种基于数字病理图像的基线细胞确定装置,所述装置包括:
图像获取模块702,用于获取待处理的数字病理图像;
细胞识别模块704,用于对所述待处理的数字病理图像进行图像识别,确定所述待处理的数字病理图像中的至少一个单体细胞;
细胞查找模块706,用于在所述至少一个单体细胞中,查找满足预设的基线细胞判定条件的目标单体细胞;
基线细胞确定模块708,用于将查找到的目标单体细胞作为目标基线细胞。
可选的,在一个实施例中,上述基线细胞确定模块708还用于确定所述查找到的满足预设的基线细胞判定条件的目标单体细胞的查找数量大于或等于预设的数量阈值。
可选的,在一个实施例中,上述基线细胞确定模块708还用于在所述查找数量大于预设的数量阈值的情况下,在所述查找到的满足预设的基线细胞判定条件的目标单体细胞中,筛选出预设是数量阈值的目标单体细胞作为所述目标基线细胞。
可选的,在一个实施例中,上述基线细胞确定模块708还用于在所述查找数量小于预设的数量阈值的情况下,获取与所述待处理的数字病理图像相邻的其他数字病理图像,将所述相邻的其他数字病理图像中的目标基线细胞作为所述目标基线细胞;
或,基线细胞确定模块708还用于在未查找到满足预设的基线细胞判定条件的目标单体细胞的情况下,获取与所述待处理的数字病理图像相邻的其他数字病理图像,将所述相邻的其他数字病理图像中的目标基线细胞作为所述目标基线细胞。
可选的,在一个实施例中,上述图像获取模块702还用于按照预设的图像切割算法对所述待处理的数字病理图像进行切割,获取切割后的子图像,将所述子图像作为待处理的数字病理图像并调用细胞识别模块704。
可选的,在一个实施例中,上述图像获取模块702还用于获取切割后的多个子图像;按照预设的图像评价算法获取所述多个子图像进行图像对应的图像质量评分;将所述图像质量评分最高的子图像作为待处理的数字病理图像并调用细胞识别模块704。
可选的,在一个实施例中,上述细胞查找模块706还用于遍历所述至少一个单体细胞;判断所述遍历到的单体细胞是否满足细胞颜色为预设颜色、细胞体积大于或等于预设的体积阈值、细胞所在类别的数量占比是否大于预设的占比阈值、和/或细胞所在图像区域是否包含其他细胞中的一个或多个;若是,将该遍历到的单体细胞作为所述目标单体细胞。
图8示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器。如图8所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现短文本过滤方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行基于数字病理图像的基线细胞确定方法。网络接口用于与外部进行通信。本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的基于数字病理图像的基线细胞确定方法可以实现为一种计算机程序的形式,计算机程序可在如图8所示的计算机设备上运行。计算机设备的存储器中可存储组成短文本过滤装置的各个程序模板。比如,图像获取模块702、细胞识别模块704、细胞查找模块706、基线细胞确定模块708。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
获取待处理的数字病理图像;
对所述待处理的数字病理图像进行图像识别,确定所述待处理的数字病理图像中的至少一个单体细胞;
在所述至少一个单体细胞中,查找满足预设的基线细胞判定条件的目标单体细胞;
将查找到的目标单体细胞作为目标基线细胞。
上述计算机设备,在其中一个实施例中,上述计算机程序被所述处理器执行时,还用于执行以下步骤:
确定所述查找到的满足预设的基线细胞判定条件的目标单体细胞的查找数量大于或等于预设的数量阈值。
上述计算机设备,在其中一个实施例中,上述计算机程序被所述处理器执行时,还用于执行以下步骤:
在所述查找数量大于预设的数量阈值的情况下,在所述查找到的满足预设的基线细胞判定条件的目标单体细胞中,筛选出预设是数量阈值的目标单体细胞作为所述目标基线细胞。
上述计算机设备,在其中一个实施例中,上述计算机程序被所述处理器执行时,还用于执行以下步骤:
在所述查找数量小于预设的数量阈值的情况下,获取与所述待处理的数字病理图像相邻的其他数字病理图像,将所述相邻的其他数字病理图像中的目标基线细胞作为所述目标基线细胞;
或,在未查找到满足预设的基线细胞判定条件的目标单体细胞的情况下,获取与所述待处理的数字病理图像相邻的其他数字病理图像,将所述相邻的其他数字病理图像中的目标基线细胞作为所述目标基线细胞。
上述计算机设备,在其中一个实施例中,上述计算机程序被所述处理器执行时,还用于执行以下步骤:
按照预设的图像切割算法对所述待处理的数字病理图像进行切割,获取切割后的子图像,将所述子图像作为待处理的数字病理图像并执行所述对所述待处理的数字病理图像进行图像识别的步骤。
上述计算机设备,在其中一个实施例中,上述计算机程序被所述处理器执行时,还用于执行以下步骤:
获取切割后的多个子图像;
按照预设的图像评价算法获取所述多个子图像进行图像对应的图像质量评分;
将所述图像质量评分最高的子图像作为待处理的数字病理图像并执行所述对所述待处理的数字病理图像进行图像识别的步骤。
上述计算机设备,在其中一个实施例中,上述计算机程序被所述处理器执行时,还用于执行以下步骤:
遍历所述至少一个单体细胞;
判断所述遍历到的单体细胞是否满足细胞颜色为预设颜色、细胞体积大于或等于预设的体积阈值、细胞所在类别的数量占比是否大于预设的占比阈值、和/或细胞所在图像区域是否包含其他细胞中的一个或多个;
若是,将该遍历到的单体细胞作为所述目标单体细胞。
一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
获取待处理的数字病理图像;
对所述待处理的数字病理图像进行图像识别,确定所述待处理的数字病理图像中的至少一个单体细胞;
在所述至少一个单体细胞中,查找满足预设的基线细胞判定条件的目标单体细胞;
将查找到的目标单体细胞作为目标基线细胞。
需要说明的是,上述基于数字病理图像的基线细胞确定方法、基于数字病理图像的基线细胞确定装置、终端和计算机可读存储介质属于同一个发明构思,基于数字病理图像的基线细胞确定、基于数字病理图像的基线细胞确定装置、计算机设备和计算机可读存储介质中涉及的内容可相互适用。
实施本发明实施例,将具有如下有益效果:
采用了上述基于数字病理图像的基线细胞确定方法、装置、终端及计算机可读介质之后,在扫描获取到与细胞样本病理切片对应的数字病理图像之后,对该数字病理图像进行图像识别,确定图像中包含的多个单体细胞,然后对该多个单体细胞进行是否满足基线细胞基线细胞判定条件的判断,以确定该多个单体细胞中可以作为基线细胞的目标单体细胞;最后将确定的目标单体细胞作为该数字病理图像的目标基线细胞。也就是说,通过计算机图像处理来辅助判读数字病理图像的病理分析,即设定了基线细胞判定条件作为基线细胞确定的客观性条件,对后续的病理判读提供内部对照和参考基线。采用本发明实施例,提高了对宫颈细胞等数字病理图像的判读的客观性,提高了对宫颈细胞的数字病理图像的判读的准确性,进而进一步提高了后期的疾病治疗的有效性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种基于数字病理图像的基线细胞确定方法,其特征在于,所述方法包括:
获取待处理的数字病理图像;
对所述待处理的数字病理图像进行图像识别,确定所述待处理的数字病理图像中的至少一个单体细胞;
在所述至少一个单体细胞中,查找满足预设的基线细胞判定条件的目标单体细胞;
将查找到的目标单体细胞作为目标基线细胞;
其中,所述将查找到的目标单体细胞作为目标基线细胞的步骤之前,还包括:
在查找数量小于预设的数量阈值的情况下,获取与所述待处理的数字病理图像相邻的其他数字病理图像,将所述相邻的其他数字病理图像中的目标基线细胞作为所述目标基线细胞;
或,在未查找到满足预设的基线细胞判定条件的目标单体细胞的情况下,获取与所述待处理的数字病理图像相邻的其他数字病理图像,将所述相邻的其他数字病理图像中的目标基线细胞作为所述目标基线细胞。
2.根据权利要求1所述的基于数字病理图像的基线细胞确定方法,其特征在于,所述查找满足预设的基线细胞判定条件的目标单体细胞的步骤之后,还包括:
确定所述查找到的满足预设的基线细胞判定条件的目标单体细胞的查找数量大于或等于预设的数量阈值。
3.根据权利要求2所述的基于数字病理图像的基线细胞确定方法,其特征在于,所述确定所述查找到的满足预设的基线细胞判定条件的目标单体细胞的查找数量大于或等于预设的数量阈值的步骤之后,还包括:
在所述查找数量大于预设的数量阈值的情况下,在所述查找到的满足预设的基线细胞判定条件的目标单体细胞中,筛选出预设是数量阈值的目标单体细胞作为所述目标基线细胞。
4.根据权利要求1所述的基于数字病理图像的基线细胞确定方法,其特征在于,所述获取待处理的数字病理图像的步骤之后,还包括:
按照预设的图像切割算法对所述待处理的数字病理图像进行切割,获取切割后的子图像,将所述子图像作为待处理的数字病理图像并执行所述对所述待处理的数字病理图像进行图像识别的步骤。
5.根据权利要求4所述的基于数字病理图像的基线细胞确定方法,其特征在于,所述按照预设的图像切割算法对所述待处理的数字病理图像进行切割,获取切割后的子图像的步骤,还包括:
获取切割后的多个子图像;
按照预设的图像评价算法获取所述多个子图像进行图像对应的图像质量评分;
将所述图像质量评分最高的子图像作为待处理的数字病理图像并执行所述对所述待处理的数字病理图像进行图像识别的步骤。
6.根据权利要求1所述的基于数字病理图像的基线细胞确定方法,其特征在于,所述在所述至少一个单体细胞中,查找满足预设的基线细胞判定条件的目标单体细胞的步骤,还包括:
遍历所述至少一个单体细胞;
判断所述遍历到的单体细胞是否满足细胞颜色为预设颜色、细胞体积大于或等于预设的体积阈值、细胞所在类别的数量占比是否大于预设的占比阈值、和/或细胞所在图像区域是否包含其他细胞中的一个或多个;
若是,将该遍历到的单体细胞作为所述目标单体细胞。
7.一种基于数字病理图像的基线细胞确定装置,其特征在于,所述装置包括:
图像获取模块,用于获取待处理的数字病理图像;
细胞识别模块,用于对所述待处理的数字病理图像进行图像识别,确定所述待处理的数字病理图像中的至少一个单体细胞;
细胞查找模块,用于在所述至少一个单体细胞中,查找满足预设的基线细胞判定条件的目标单体细胞;
基线细胞确定模块,用于将查找到的目标单体细胞作为目标基线细胞;
其中,所述基线细胞确定模块,还用于在查找数量小于预设的数量阈值的情况下,获取与所述待处理的数字病理图像相邻的其他数字病理图像,将所述相邻的其他数字病理图像中的目标基线细胞作为所述目标基线细胞;或,在未查找到满足预设的基线细胞判定条件的目标单体细胞的情况下,获取与所述待处理的数字病理图像相邻的其他数字病理图像,将所述相邻的其他数字病理图像中的目标基线细胞作为所述目标基线细胞。
8.一种终端,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
9.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910213720.9A CN109978849B (zh) | 2019-03-20 | 2019-03-20 | 基于数字病理图像的基线细胞确定方法、装置及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910213720.9A CN109978849B (zh) | 2019-03-20 | 2019-03-20 | 基于数字病理图像的基线细胞确定方法、装置及可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109978849A CN109978849A (zh) | 2019-07-05 |
CN109978849B true CN109978849B (zh) | 2023-09-15 |
Family
ID=67079691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910213720.9A Active CN109978849B (zh) | 2019-03-20 | 2019-03-20 | 基于数字病理图像的基线细胞确定方法、装置及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109978849B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111048183B (zh) * | 2019-11-15 | 2024-01-30 | 广州金域医学检验中心有限公司 | 数字病理图像均一化的方法、装置、设备及存储介质 |
CN112233060B (zh) * | 2020-09-04 | 2024-03-29 | 广州金域医学检验中心有限公司 | 数字病理图像异常样本的筛选方法、装置、设备及介质 |
CN113808181A (zh) * | 2020-10-30 | 2021-12-17 | 上海联影智能医疗科技有限公司 | 医学图像的处理方法、电子设备和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2602228B2 (ja) * | 1987-05-22 | 1997-04-23 | 株式会社島津製作所 | 細胞識別装置 |
CN106408573A (zh) * | 2016-08-31 | 2017-02-15 | 诸暨微因生物科技有限公司 | 一种全切片数字病理图像处理分析方法 |
CN106802346B (zh) * | 2017-01-19 | 2020-04-03 | 宁波江丰生物信息技术有限公司 | 一种基于免疫组化技术的病理数字图像分析方法 |
CN106846310A (zh) * | 2017-01-19 | 2017-06-13 | 宁波江丰生物信息技术有限公司 | 一种基于免疫组化技术的病理辅助分析方法 |
CN108629761B (zh) * | 2018-03-12 | 2020-11-03 | 中山大学 | 一种乳腺癌图像识别方法、装置和用户终端 |
-
2019
- 2019-03-20 CN CN201910213720.9A patent/CN109978849B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109978849A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021139258A1 (zh) | 基于图像识别的细胞识别计数方法、装置和计算机设备 | |
CN109978849B (zh) | 基于数字病理图像的基线细胞确定方法、装置及可读介质 | |
Bertram et al. | Computerized calculation of mitotic count distribution in canine cutaneous mast cell tumor sections: mitotic count is area dependent | |
CN108647732B (zh) | 一种基于深度神经网络的病理图像分类方法及装置 | |
CN111967465A (zh) | 肿瘤细胞含量评估方法、系统、计算机设备及存储介质 | |
WO2021189771A1 (zh) | 玻片数字化信息质量检测方法、装置、设备及介质 | |
CN110427970A (zh) | 图像分类方法、装置、计算机设备和存储介质 | |
CN113962975B (zh) | 基于梯度信息对病理玻片数字图像进行质量评估的系统 | |
CN106780522A (zh) | 一种基于深度学习的骨髓液细胞分割方法 | |
CN110335686B (zh) | 细胞类型识别方法、装置、计算机设备及存储介质 | |
CN112464802B (zh) | 一种玻片样本信息的自动识别方法、装置和计算机设备 | |
CN112102247B (zh) | 基于机器学习的病理切片质量评价方法及相关设备 | |
WO2021068857A1 (zh) | 人工智能云诊断平台 | |
CN114841947A (zh) | 肺腺癌h&e染色病理图像肿瘤区域多尺度特征提取与预后分析方法、装置 | |
CN111161212B (zh) | 数字病理切片有丝核分裂象统计方法、装置、设备和介质 | |
CN109074645B (zh) | 用于ihc图像分析的空间索引创建 | |
CN112233123B (zh) | 病理图片中肿瘤间质分类方法、装置、计算机设备及存储介质 | |
CN109859218B (zh) | 病理图关键区域确定方法、装置、电子设备及存储介质 | |
DE112019004112T5 (de) | System und verfahren zur analyse mikroskopischer bilddaten und zur erzeugung eines annotierten datensatzes zum training der klassifikatoren | |
US20220318979A1 (en) | Image Quality Analysis for Artifact Detection in Pathology Slide Images | |
US11416983B2 (en) | Server-client architecture in digital pathology | |
CN115331218A (zh) | 基于图像分割的食物热量估算方法、装置、设备及介质 | |
CN113553980A (zh) | 一种图片的商标图形要素编码生成方法、系统及装置 | |
CN110793965A (zh) | 图像采集方法和装置、显微镜系统、计算机可读存储介质 | |
CN115641290B (zh) | 基于细胞分析的异常预测方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 510700 No. 10, helix 3 Road, International Biological Island, Huangpu District, Guangzhou City, Guangdong Province Applicant after: GUANGZHOU KINGMED CENTER FOR CLINICAL LABORATORY Address before: 510330 Guangdong Guangzhou Haizhuqu District Xingang East Road 2429, 3rd floor. Applicant before: GUANGZHOU KINGMED CENTER FOR CLINICAL LABORATORY |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |