CN110763677A - 甲状腺冰冻切片诊断方法及系统 - Google Patents

甲状腺冰冻切片诊断方法及系统 Download PDF

Info

Publication number
CN110763677A
CN110763677A CN201910863398.4A CN201910863398A CN110763677A CN 110763677 A CN110763677 A CN 110763677A CN 201910863398 A CN201910863398 A CN 201910863398A CN 110763677 A CN110763677 A CN 110763677A
Authority
CN
China
Prior art keywords
pathological image
tumor
thyroid
image
pathological
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.)
Pending
Application number
CN201910863398.4A
Other languages
English (en)
Inventor
崔灿
林明珍
石永华
沈珏伟
徐建红
杨林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Di Ying Jia Technology Co Ltd
Original Assignee
Hangzhou Di Ying Jia Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Di Ying Jia Technology Co Ltd filed Critical Hangzhou Di Ying Jia Technology Co Ltd
Priority to CN201910863398.4A priority Critical patent/CN110763677A/zh
Publication of CN110763677A publication Critical patent/CN110763677A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00Sampling; Preparing specimens for investigation
    • G01N1/28Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/2813Producing thin layers of samples on a substrate, e.g. smearing, spinning-on

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明涉及甲状腺冰冻切片诊断方法,适用于甲状腺冰冻切片诊断系统,所述诊断方法包括:S10,显微镜摄像头采集甲状腺冰冻切片位于显微镜下的病理图像并发送至处理器;S20,处理器对所述病理图像进行预处理,使得病理图像的HSV颜色空间与设定阈值相一致;S30,处理器对经过预处理的病理图像进行检测,确定肿瘤区域的范围,输出标注有肿瘤区域范围的病理图像,或判断病理图像中肿瘤的阴阳性,输出标注有肿瘤阴阳性的病理图像;S40,显示器接收并显示来自处理器的经过标注的病理图像。所述病理图像本申请所提供的检测方法不仅免去高额扫描仪的经费,还缩短了甲状腺术中诊断的时间,缩短了手术时间,为实现快速精准治疗带来了便利。

Description

甲状腺冰冻切片诊断方法及系统
技术领域
本发明涉及甲状腺冰冻切片诊断领域,特别是涉及一种甲状腺冰冻切片诊断方法及系统。
背景技术
近几十年来甲状腺癌的全球发病率持续上升,增长速度在所有实体瘤中名列前茅。目前在全球范围内,甲状腺癌已经成为增长率最高的恶性肿瘤,发病率每年以6%的速度逐年递增。甲状腺癌临床分型中甲状腺乳头状癌最为常见,占所有甲状腺癌90%以上,且术后预后较好。
甲状腺癌术后是否复发或转移,则与手术切除的范围有明显关系,若为恶性诊断则切除甲状腺的范围将增大,以确保无癌细胞残留。而甲状腺切除范围主要由术中快速诊断肿瘤良恶性(阴阳)来决定,通常将术中切除的部分组织快速冷却制成甲状腺冰冻切片进行诊断,因此术中冰冻切片的判断正确与否对手术具有至关重要的作用,临床上往往依赖常规术中冰冻切片来决定进一步的治疗方案。
随着人工智能与数字病理的发展,针对甲状腺冰冻切片术中病理切片智能辅助诊断的技术不断完善,诊断结果越来越趋于精准,解决了不少由于医师经验不足或者不明确下导致的误诊,以及延迟诊断。然而这样的技术需要将病理切片在高倍镜下扫描成全场图,再上传至诊断工具中才能进行分析。可是病理切片数字扫描仪设备价格昂贵,特别是全场图数字化扫描也需额外耗费时间,术中未缝合下做诊断所浪费的时间无疑会加重患者感染的风险,因此其临床实用性也大大降低。
发明内容
本发明的目的在于解决现有技术中存在的需要将甲状腺冰冻切片在高倍镜下扫描成全场图,再上传至诊断工具中才能进行分析的问题,本发明提供了一种甲状腺冰冻切片诊断方法及系统。
本发明通过以下技术方案来实现上述目的:甲状腺冰冻切片诊断方法,适用于甲状腺冰冻切片诊断系统,所述系统包括显微镜、显微镜摄像头、处理器以及显示器,所述显微镜摄像头安装在显微镜上,与处理器通讯连接,处理器与显示器连接,所述诊断方法包括:
S10,显微镜摄像头采集甲状腺冰冻切片位于显微镜下的病理图像并发送至处理器;
S20,处理器对所述病理图像进行进行预处理,使得病理图像的HSV颜色空间与设定阈值相一致;
S30,处理器对经过预处理的病理图像进行检测,确定肿瘤区域的范围,输出标注有肿瘤区域范围的病理图像,或判断病理图像中肿瘤的阴阳性,输出标注有肿瘤阴阳性的病理图像;
S40,显示器接收并显示来自处理器的经过标注的病理图像。
进一步地,所述S20,预处理是指,调节来自所述病理图像的HSV颜色空间,使得处理后的病理图像与所述甲状腺冰冻切片的数字病理全场图的HSV颜色空间相一致或是误差处于设定范围内病理图像。
进一步地,所述S30,具体包括:
S31,处理器确定所述病理图像的MPP值;
MPP值是用来将图像中的细胞尺寸与细胞的实际尺寸对应起来的,由于图像的实际大小是固定的,但是通过不同倍率的显微镜放大后,观察到的图像的大小是完全不一样的。例如一个细胞的实际直径是10微米,在放大倍率为20倍的显微镜下观察到的细胞直径为10x20=200微米,在放大倍率为40倍的显微镜下观察到的细胞直径为10x40=400微米。检测图像的MPP值有助于判断图像当前被放大的倍数,放大倍数不同,所采用的处理方式也不同。
S32,处理器将所述病理图像的MPP值与设定的MPP值m1进行对比,当所述病理图像的MPP值大于等于m1时,所述实体甲状腺冰冻切片当前处于低倍视野下,则采用低倍视野肿瘤区域分类模型进行肿瘤区域划分,输出标注有肿瘤区域范围的病理图像;当所述病理图像的MPP值小于m1时,所述实体甲状腺冰冻切片当前处于高倍视野下,则采用高倍视野肿瘤区域分类模型进行肿瘤阴阳性分类,输出标注有肿瘤区域阴阳性的病理图像。
进一步地,所述S31,通过倍率识别模型确定所述病理图像的MPP值;所述倍率识别模型根据所述病理图像中的细胞大小预测该病理图像的MPP值。
进一步地,所述S32,采用低倍视野肿瘤区域分类模型进行肿瘤阴阳性判断前,还包括:
缩放所述经过预处理的病理图像的MPP值为m3,使得足以区分有效组织区域和空白区域;
检测病理图像中有效组织区域的轮廓坐标;
缩放所述病理图像使得MPP值为m2,使得足以区分肿瘤区域和非肿瘤区域;
将所述得MPP值为m2的病理图像分割成若干个大小适宜的小图片,筛选部分或全部位于所述有效组织区域内的小图片输入所述低倍视野肿瘤区域分类模型。
进一步地,所述S32,采用高倍视野肿瘤区域分类模型进行肿瘤阴阳性判断前,还包括:
将所述经过预处理的病理图像调整为MPP值为m0的病理图像,m0为足以区分肿瘤区域和非肿瘤区域的病理图像的MPP值;
将所述MPP值为m0的病理图像分割成若干个大小适宜的小图片,输入所述高倍视野肿瘤区域分类模型。
进一步地,所述m0、m1、m2、m3分别为0.48、0.96、1.92、3.84。
进一步地,所述S40,显示器与显微镜摄像头同步显示所述甲状腺冰冻切片同一部位的病理图像。
本发明还提供了一种甲状腺冰冻切片诊断系统,包括:显微镜,用于观察实体甲状腺冰冻切片;显微镜摄像头,与所述显微镜镜头连接,用于采集显微镜下实体甲状腺冰冻切片的病理图像;处理器,与所述显微镜摄像头通讯连接,接收来自显微镜摄像头的病理图像,对所述病理图像进行处理检测后,输出标注有肿瘤区域范围或是标注有肿瘤阴阳性的病理图像;显示器,与所述处理器连接,接收并显示经过标注的病理图像。
进一步地,所述显微镜包括1个目镜和4个物镜;目镜的放大倍数为10倍,物镜的放大倍数依次为4倍,10倍、20倍、40倍,显微镜摄像头采集到的图像的MPP值分别为1.5,0.6,0.3和0.15。
本申请还提供了一种计算机可读存储介质,存储有与甲状腺冰冻切片诊断系统结合使用的计算机程序,所述计算机程序可被处理器执行以完成以下步骤:
接收位于显微镜下的甲状腺冰冻切片的病理图像;
对所述病理图像进行预处理,使得病理图像的HSV颜色空间与设定阈值相一致;
对经过预处理的病理图像进行检测,确定肿瘤区域的范围,输出标注有肿瘤区域范围的病理图像,或判断病理图像中肿瘤的阴阳性,输出标注有肿瘤阴阳性的病理图像。
进一步地,所述对经过预处理的病理图像进行检测,输出标注有肿瘤区域范围的病理图像,或判断病理图像中肿瘤的阴阳性,输出标注有肿瘤阴阳性的病理图像,具体包括:
S31,确定所述病理图像的MPP值;
S32,将所述病理图像的MPP值与设定的MPP值m1进行对比,当所述病理图像的MPP值大于等于m1时,所述实体甲状腺冰冻切片当前处于低倍视野下,则采用低倍视野肿瘤区域分类模型进行肿瘤区域划分,输出标注有肿瘤区域范围的病理图像;当所述病理图像的MPP值小于m1时,所述实体甲状腺冰冻切片当前处于高倍视野下,则采用高倍视野肿瘤区域分类模型进行肿瘤阴阳性分类,输出标注有肿瘤区域阴阳性的病理图像。
与现有技术相比,本发明的实质性效果如下:采用本发明提出的甲状腺冰冻切片诊断方法及系统,病理科医生只需将甲状腺(术中)冰冻切片放置于显微镜下,随机移动切片,停留在显微镜摄像头下的任意感兴趣区域都会同步在显示屏上,并显示出感兴趣该区域的肿瘤良恶性(阴性或阳性)。不仅免去高额扫描仪的经费,而且诊断的准确率高,缩短了甲状腺术中诊断的时间,缩短了手术时间,为实现快速精准治疗带来了便利。
附图说明
图1是本发明诊断系统示意图;
图2是本发明诊断方法流程图;
图3是本发明处理器处理流程图;
图4是本发明显示器显示图示例。
具体实施方式
下面结合附图对本发明作进一步说明:
本实施例中所用到的数字病理全场图的MPP值分别为0.48、0.96、1.92、3.84,选用不同厂家生产的扫描仪所采集的图像在同一倍率下的MPP值略有不同,但不影响采用本申请所提供的方法进行诊断的结果的准确性。所用的显微镜为直插式显微镜,包括1个目镜和4个物镜;目镜的放大倍数为10倍,物镜的放大倍数依次为4倍,10倍、20倍、40倍,显微镜摄像头采集到的图像的MPP值分别为1.5,0.6,0.3和0.15。
一种甲状腺术中冰冻切片诊断系统,如图1所示,包括:显微镜、显微镜摄像头、处理器以及显示器。显微镜用于观察实体甲状腺术中冰冻切片。显微镜镜头与显微镜摄像头连接,组成电子目镜,电子目镜插入到直插式显微镜的第三镜筒,用于采集显微镜下实体甲状腺术中冰冻切片的病理图像。处理器与所述显微镜摄像头通讯连接,接收来自显微镜摄像头的病理图像,对所述病理图像进行处理检测后,输出标注有肿瘤区域范围或是标注有肿瘤阴阳性的病理图像。显示器与处理器连接,接收并显示标注后病理图像。显微镜摄像头通过USB数据线与处理器相连,处理器上安装有配套的驱动软件,安装完成后,处理器即可接收来自于显微镜摄像头传入的图像,使用配套开发的显示软件将经过处理的病理图像显示在显示器上。
采用甲状腺术中冰冻切片诊断系统进行诊断的方法如图1所示,包括:
S10,显微镜摄像头采集甲状腺术中冰冻切片位于显微镜下的病理图像并发送至处理器;
S20,处理器对病理图像进行预处理,使得病理图像的HSV颜色空间与设定阈值相一致;
S30,处理器对经过预处理的病理图像进行检测,确定肿瘤区域的范围,输出标注有肿瘤区域范围的病理图像,或判断病理图像中肿瘤的阴阳性,输出标注有肿瘤阴阳性的病理图像,处理过程如图3所示;
S40,显示器接收并显示来自处理器的经过标注的病理图像;
显示器与显微镜摄像头同步显示甲状腺冰冻切片同一部位的病理图像,也就是显示器与显微镜摄像头显示的图像内容是一致的,只是显示器上显示的图像是经过标注的病理图像,如图4所示。这里的同步显示并不局限于时间上的完全一致,不应做限制性的解释,例如将显微镜端下看到的图像与显示器端看到的图像的时间差精确到多少秒或多少微秒,应用场景下人眼能够接受的时间差也属于本申请中同步的概念,显示器端即便产生几微秒或几秒的延时,也不影响甲状腺术中冰冻切片诊断系统的使用或运行,同样落入本发明的保护范围。
在S20中,处理器调节所述病理图像,使得病理图像的HSV颜色空间与设定阈值相一致,这里的设定阈值与甲状腺术中冰冻切片的数字病理全场图的HSV颜色空间相一致。具体地,调节所述病理图像色相,明暗度,饱和度和白平衡,使得经过预处理的病理图像与甲状腺术中冰冻切片的数字病理全场图的色相,明暗度,饱和度和白平衡相一致或是误差处于设定范围内。这是因为本实施例所采用的倍率识别模型、低倍视野肿瘤区域分类模型以及高倍视野肿瘤区域分类模型都是采用数字病理全场图进行训练的,显微镜摄像头采集到的图像数据的白平衡、色相,明度和彩度等和数字病理全场图很不一样,通过缩小这些不同,来确保后面肿瘤区域检测的准确性尽可能不会受此影响。
S30具体包括:
S31,处理器确定病理图像的MPP值;
通过倍率识别模型确定病理图像的MPP值;倍率识别模型根据病理图像中的细胞大小预测该病理图像的MPP值。MPP就是mircons per pixel,是描述图像倍率的一个通用参数,代表屏幕上一个像素对应到物理世界所代表的长度。倍率识别模型为:以MPP值为1.5,0.6,0.3和0.15的随机视野下截取的病理图像作为训练样本,提取不同MPP值的病理图像的细胞大小,根据不同MPP值的病理图像的细胞大小及对应的识别结果构建的人工神经网络。
S32,处理器将病理图像的MPP值与设定的MPP值0.96进行对比,当病理图像的MPP值大于等于0.96时,实体甲状腺术中冰冻切片当前处于低倍视野下,则采用低倍视野肿瘤区域分类模型进行肿瘤阴阳性判断,输出肿瘤区域的阴阳性;当病理图像的MPP值小于0.96时,实体甲状腺术中冰冻切片当前处于高倍视野下,则采用高倍视野肿瘤区域分类模型进行肿瘤阴阳性的判断,输出标注有肿瘤区域阴阳性的病理图像。
0.96对应10倍放大倍率,MPP值大于等于0.96,即处于低倍视野下,视野内包含的组织区域较多,低倍视野肿瘤区域分类模型可以快速且粗略分割出肿瘤区域。但在低倍视野下,图像的精细信息不能体现,因此可能会造成分析不够准确的问题。MPP值小于0.96,即处于高倍视野下,可以得到更加精细的图像信息,更加准确地分析出当前视野下是肿瘤阳性还是阴性。但是高倍视野下看到的组织区域较少,往往当前视野全在肿瘤区域或者全不在肿瘤区域里, 因此在高倍视野下,只判断当前视野内是阴性还是阳性,而不做肿瘤区域分割。
低倍视野—>肿瘤区域分割:
在MPP≥0.96时,首先将当前视野内的采集到的病理图像(2048*2048)通过缩放,缩放到使MPP=3.84,使用MPP=3.84的图像进行有效区域检测,此举的目的主要是为了忽略掉切片中空白没组织的区域,节省后面分析时间,MPP=3.84的图像足以区分组织区域和空白区域。有效区域检测主要使用阈值法,因此不需要很多精细图像信息,MPP=3.84的图像已经足够将组织区域和空白区域区分开。此过程包含:
将MPP值为m3的病理图像转换为灰度图;
将灰度图进行归一化,使每个像素的灰度值介于0到1之间;
对归一化后的图像使用高斯模糊(sigma=9);
使用阈值法,使像素值大于阈值的像素值等于1,像素值小于阈值的像素值等于0,从而生成组织区域的二值分割图像(组织区域的灰度值都为1,非组织区域的灰度值都为0);
对生成的二值分割图像进行优化,填补下组织区域内的空洞,并且去掉零散且特别小的组织区域;
通过边缘检测的方法,获取病理图像中有效区域的轮廓坐标;
将轮廓坐标都乘以2,这是因为检测有效区域是在MPP=3.84的图像上做的,需要对应这坐标到MPP=1.92的图像上,MPP=1.92的图像足以区分肿瘤区域和非肿瘤区域;
在获得了有效的组织区域的轮廓坐标后,将当前视野内的图像分割成多个256*256的小图片,并将完全不在有效组织区域内的小图剔除出去,接着使用低倍视野肿瘤区域分类模型对有效区域内的小图进行分类(阴性和阳性二分类)。将所有阳性小图的坐标记录下来,这些相邻的阳性小图组成的区域则为肿瘤区域。 接着对肿瘤区域进行优化,主要就是补区域内的阴性空洞,并且去掉零散和特别小的肿瘤区域。在优化完成后,将肿瘤区域的坐标和阴阳性结果(有肿瘤区域则为阳性,没有肿瘤区域则为阴性),返回给服务器,并显示在显示器上。
低倍视野肿瘤区域分类模型的建立包括:
S101,选取N1张甲状腺数字病理全场图,在甲状腺数字病理全场图上标注出肿瘤区域;
S102,对甲状腺数字病理全场图进行缩放,使甲状腺数字病理全场图的MPP值为1.92;
S103,在肿瘤区域内截取256*256小图作为阳性样本数据,在肿瘤区域外截取数量相近的256*256小图作为阴性样本数据;
S104,阳性样本数据和阴性样本数据结合卷积神经网络训练得到低倍视野肿瘤区域分类模型。
高倍视野—>当前视野图像阴阳性分类:
本申请的诊断系统允许医生切换高倍物镜对可疑区域进行进一步精细分析。医生只需调整视野位置,将显微镜视野定格在可疑区域,接着切换高放大倍率物镜即可。在切换了物镜之后,系统会通过倍率识别模型检测到当前的MPP, 如若MPP<0.96, 则将分析流程转换为高倍视野分析流程。因为此时放大倍率较高,视野较小,不会包含大量的空白无效区域,医生可以将视野对准可疑组织区域,所以此时无需进行有效组织区域检测,直接将当前视野的图像通过缩放使其MPP=0.48,0.48为足以区分肿瘤区域和非肿瘤区域;然后将缩放后的图片切分成多个512*512的小图, 并使用高倍视野肿瘤区域分类模型对这些小图进行分类(阴阳性二分类), 如若这些小图中有被判为阳性的, 则认为当前整个视野内的组织为阳性, 最后将结果返回给处理器。
S40,显示器接收并显示来自处理器的经过标注的病理图像,显示器与显微镜摄像头同步显示甲状腺术中冰冻切片同一部位的病理图像。
高倍视野分析模型的建立包括:
S201,选取N2张甲状腺数字病理全场图,在甲状腺数字病理全场图上标注出肿瘤区域;
S202,对甲状腺数字病理全场图进行缩放,使甲状腺数字病理全场图的MPP值为0.48;
S203,在肿瘤区域内截取512*512的图片作为阳性样本数据,在肿瘤区域外截取数量相近的512*512的图片作为阴性样本数据;
S204,阳性样本数据和阴性样本数据结合卷积神经网络训练得到高倍视野分析模型。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。

Claims (12)

1.甲状腺冰冻切片诊断方法,适用于甲状腺冰冻切片诊断系统,所述系统包括显微镜、显微镜摄像头、处理器以及显示器,所述显微镜摄像头安装在显微镜上,与处理器通讯连接,处理器与显示器连接,其特征在于,所述诊断方法包括:
S10,显微镜摄像头采集甲状腺冰冻切片位于显微镜下的病理图像并发送至处理器;
S20,处理器对所述病理图像进行预处理,使得病理图像的HSV颜色空间与设定阈值相一致;
S30,处理器对经过预处理的病理图像进行检测,确定肿瘤区域的范围,输出标注有肿瘤区域范围的病理图像,或判断病理图像中肿瘤的阴阳性,输出标注有肿瘤阴阳性的病理图像;
S40,显示器接收并显示来自处理器的经过标注的病理图像。
2.根据权利要求1所述的甲状腺冰冻切片诊断方法,其特征在于,所述S20,预处理是指,调节所述病理图像的HSV颜色空间,使得处理后的病理图像与所述甲状腺冰冻切片的数字病理全场图的HSV颜色空间相一致或是误差处于设定范围内。
3.根据权利要求1所述的甲状腺冰冻切片诊断方法,其特征在于,所述S30,具体包括:
S31,处理器确定所述病理图像的MPP值;
S32,处理器将所述病理图像的MPP值与设定的MPP值m1进行对比,当所述病理图像的MPP值大于等于m1时,所述实体甲状腺冰冻切片当前处于低倍视野下,则采用低倍视野肿瘤区域分类模型进行肿瘤区域划分,输出标注有肿瘤区域范围的病理图像;当所述病理图像的MPP值小于m1时,所述实体甲状腺冰冻切片当前处于高倍视野下,则采用高倍视野肿瘤区域分类模型进行肿瘤阴阳性分类,输出标注有肿瘤区域阴阳性的病理图像。
4.根据权利要求3所述的甲状腺冰冻切片诊断方法,其特征在于,所述S31,通过倍率识别模型确定所述病理图像的MPP值;所述倍率识别模型根据所述病理图像中的细胞大小预测该病理图像的MPP值。
5.根据权利要求3所述的甲状腺冰冻切片诊断方法,其特征在于,所述S32采用低倍视野肿瘤区域分类模型进行肿瘤阴阳性判断前,还包括:
缩放所述经过预处理的病理图像的MPP值为m3,使得足以区分有效组织区域和空白区域;
检测病理图像中有效组织区域的轮廓坐标;
缩放所述病理图像使得MPP值为m2,使得足以区分肿瘤区域和非肿瘤区域;
将所述MPP值为m2的病理图像分割成若干个大小适宜的小图片,筛选部分或全部位于所述有效组织区域内的小图片输入所述低倍视野肿瘤区域分类模型。
6.根据权利要求3所述的甲状腺冰冻切片诊断方法,其特征在于,所述S32采用高倍视野肿瘤区域分类模型进行肿瘤阴阳性判断前,还包括:
将所述经过预处理的病理图像调整为MPP值为m0的病理图像,m0为足以区分肿瘤区域和非肿瘤区域的病理图像的MPP值;
将所述MPP值为m0的病理图像分割成若干个大小适宜的小图片,输入所述高倍视野肿瘤区域分类模型。
7.根据权利要求5或6所述的甲状腺冰冻切片诊断方法,其特征在于,所述m0、m1、m2、m3分别为0.48、0.96、1.92、3.84。
8.根据权利要求1所述的甲状腺冰冻切片诊断方法,其特征在于,所述S40,显示器与显微镜摄像头同步显示所述甲状腺冰冻切片同一部位的病理图像。
9.甲状腺冰冻切片诊断系统,其特征在于,包括:
显微镜,用于观察实体甲状腺冰冻切片;
显微镜摄像头,与所述显微镜镜头连接,用于采集显微镜下实体甲状腺冰冻切片的病理图像;
处理器,与所述显微镜摄像头通讯连接,接收来自显微镜摄像头的病理图像,对所述病理图像进行处理检测后,输出标注有肿瘤区域范围或是标注有肿瘤阴阳性的病理图像;
显示器,与所述处理器连接,接收并显示经过标注的病理图像。
10.根据权利要求9所述的甲状腺冰冻切片诊断系统,其特征在于,所述显微镜包括1个目镜和4个物镜;目镜的放大倍数为10倍,物镜的放大倍数依次为4倍,10倍、20倍、40倍,显微镜摄像头采集到的图像的MPP值分别为1.5,0.6,0.3和0.15。
11.一种计算机可读存储介质,其特征在于,存储有与甲状腺冰冻切片诊断系统结合使用的计算机程序,所述计算机程序可被处理器执行以完成以下步骤:
接收位于显微镜下的甲状腺冰冻切片的病理图像;
对所述病理图像进行预处理,使得病理图像的HSV颜色空间与设定阈值相一致;
对经过预处理的病理图像进行检测,确定肿瘤区域的范围,输出标注有肿瘤区域范围的病理图像,或判断病理图像中肿瘤的阴阳性,输出标注有肿瘤阴阳性的病理图像。
12.根据权利要求11所述的一种计算机可读存储介质,其特征在于,所述对经过预处理的病理图像进行检测,输出标注有肿瘤区域范围的病理图像,或判断病理图像中肿瘤的阴阳性,输出标注有肿瘤阴阳性的病理图像,具体包括:
S31,确定所述病理图像的MPP值;
S32,将所述病理图像的MPP值与设定的MPP值m1进行对比,当所述病理图像的MPP值大于等于m1时,所述实体甲状腺冰冻切片当前处于低倍视野下,则采用低倍视野肿瘤区域分类模型进行肿瘤区域划分,输出标注有肿瘤区域范围的病理图像;当所述病理图像的MPP值小于m1时,所述实体甲状腺冰冻切片当前处于高倍视野下,则采用高倍视野肿瘤区域分类模型进行肿瘤阴阳性分类,输出标注有肿瘤区域阴阳性的病理图像。
CN201910863398.4A 2019-09-12 2019-09-12 甲状腺冰冻切片诊断方法及系统 Pending CN110763677A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910863398.4A CN110763677A (zh) 2019-09-12 2019-09-12 甲状腺冰冻切片诊断方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910863398.4A CN110763677A (zh) 2019-09-12 2019-09-12 甲状腺冰冻切片诊断方法及系统

Publications (1)

Publication Number Publication Date
CN110763677A true CN110763677A (zh) 2020-02-07

Family

ID=69329508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910863398.4A Pending CN110763677A (zh) 2019-09-12 2019-09-12 甲状腺冰冻切片诊断方法及系统

Country Status (1)

Country Link
CN (1) CN110763677A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112150446A (zh) * 2020-09-27 2020-12-29 郑州中普医疗器械有限公司 显微镜镜检阅片扫描方法、计算机设备和系统
CN112233811A (zh) * 2020-10-19 2021-01-15 江苏珂玛麒生物科技有限公司 一种nash肝脏数字病理分析系统、工作方法、应用
CN112259223A (zh) * 2020-10-22 2021-01-22 河北工业大学 基于全视野数字切片的病人级别肿瘤智能诊断方法
CN113139930A (zh) * 2021-03-17 2021-07-20 杭州迪英加科技有限公司 甲状腺切片图像分类方法、装置、计算机设备和存储介质
CN114202510A (zh) * 2021-11-11 2022-03-18 西北大学 显微镜下病理切片图像智能分析系统
CN114764796A (zh) * 2022-04-25 2022-07-19 杭州迪英加科技有限公司 一种显示显微镜看片轨迹的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101742049A (zh) * 2008-11-21 2010-06-16 夏普株式会社 图像处理装置、图像形成装置以及图像处理方法
US20180232883A1 (en) * 2017-02-13 2018-08-16 Amit Sethi Systems & Methods for Computational Pathology using Points-of-interest
CN108846327A (zh) * 2018-05-29 2018-11-20 中国人民解放军总医院 一种色素痣与黑素瘤的智能判别系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101742049A (zh) * 2008-11-21 2010-06-16 夏普株式会社 图像处理装置、图像形成装置以及图像处理方法
US20180232883A1 (en) * 2017-02-13 2018-08-16 Amit Sethi Systems & Methods for Computational Pathology using Points-of-interest
CN108846327A (zh) * 2018-05-29 2018-11-20 中国人民解放军总医院 一种色素痣与黑素瘤的智能判别系统及方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112150446A (zh) * 2020-09-27 2020-12-29 郑州中普医疗器械有限公司 显微镜镜检阅片扫描方法、计算机设备和系统
CN112233811A (zh) * 2020-10-19 2021-01-15 江苏珂玛麒生物科技有限公司 一种nash肝脏数字病理分析系统、工作方法、应用
CN112259223A (zh) * 2020-10-22 2021-01-22 河北工业大学 基于全视野数字切片的病人级别肿瘤智能诊断方法
CN112259223B (zh) * 2020-10-22 2022-08-30 河北工业大学 基于全视野数字切片的病人级别肿瘤智能诊断方法
CN113139930A (zh) * 2021-03-17 2021-07-20 杭州迪英加科技有限公司 甲状腺切片图像分类方法、装置、计算机设备和存储介质
CN113139930B (zh) * 2021-03-17 2022-07-15 杭州迪英加科技有限公司 甲状腺切片图像分类方法、装置、计算机设备和存储介质
CN114202510A (zh) * 2021-11-11 2022-03-18 西北大学 显微镜下病理切片图像智能分析系统
CN114202510B (zh) * 2021-11-11 2024-01-19 西北大学 显微镜下病理切片图像智能分析系统
CN114764796A (zh) * 2022-04-25 2022-07-19 杭州迪英加科技有限公司 一种显示显微镜看片轨迹的方法

Similar Documents

Publication Publication Date Title
CN110763677A (zh) 甲状腺冰冻切片诊断方法及系统
CN109272492B (zh) 一种细胞病理涂片的处理方法及系统
CN110763678A (zh) 一种病理切片判读方法及系统
CN111524137B (zh) 基于图像识别的细胞识别计数方法、装置和计算机设备
CN110765855B (zh) 一种病理图像处理方法及系统
CN111951221B (zh) 一种基于深度神经网络的肾小球细胞图像识别方法
JP6791245B2 (ja) 画像処理装置、画像処理方法及び画像処理プログラム
JP5804220B1 (ja) 画像処理装置および画像処理プログラム
CN110736748A (zh) 免疫组化核浆染色切片诊断方法及系统
CN108830149B (zh) 一种目标细菌的检测方法及终端设备
JP2010181402A (ja) 受精卵品質評価支援システム、受精卵品質評価支援装置および受精卵品質評価支援方法
CN110974306B (zh) 一种超声内镜下识别和定位胰腺神经内分泌肿瘤的系统
CN113962976B (zh) 用于病理玻片数字图像的质量评估方法
CN113344958B (zh) 一种显微成像扫描方法及扫描系统
CN113781455B (zh) 宫颈细胞图像异常检测方法、装置、设备及介质
CN112001895B (zh) 一种甲状腺钙化检测装置
CN108830874A (zh) 一种数字病理全切片图像空白区域自动分割方法
CN110544262B (zh) 一种基于机器视觉的子宫颈细胞图像分割方法
CN110738658B (zh) 图像质量评价方法
CN111339899B (zh) 导管特征获取方法、装置、设备、介质和智能显微镜
CN110009645B (zh) 一种肝癌病灶影像的双层轮廓分割方法
EP4174764A1 (en) Information processing device, information processing method, program, and information processing system
JP2008084109A (ja) 目開閉判定装置及び目開閉判定方法
CN110223307B (zh) 一种基于图像识别的血液细胞计数方法
CN113808102B (zh) 一种乳腺结节钙化阴影识别装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200207

RJ01 Rejection of invention patent application after publication