CN113237881B - 一种特定细胞的检测方法、装置和病理切片检测系统 - Google Patents

Abstract

本申请公开了一种特定细胞的检测方法、装置和病理切片检测系统，具体用于控制病理切片系统的照相设备对病理切片以第一倍率进行拍照，得到的第一倍率的全景彩色图像；利用预先训练的区域分割模型从上述全景彩色图像进行处理，得到至少一个ROI区域以及ROI区域的区域参数；针对每个ROI区域，根据区域参数获取ROI区域的区域彩色图像，区域彩色图像的倍率为第二倍率；根据预先训练的细胞分割模型对区域彩色图像进行处理，得到特定细胞和其他细胞的区域分割二值图像；对特定细胞进行分级并统计每个分级下的特定细胞和其他细胞的数量。由于这过程无需医生根据专业知识参与，从而排除了医生的专业水平和主观因素的影响，进而提高了对特定细胞技术的准确性。

Description

一种特定细胞的检测方法、装置和病理切片检测系统

技术领域

本申请涉及医疗器械技术领域，更具体地说，涉及一种特定细胞的检测方法、装置和病理切片检测系统。

背景技术

目前，病理切片一般需要人工方式阅读，在读取时病理医生根据其掌握的专业知识对特定的细胞进行判断和计数，以便为最终的诊断结果提供中间结果。然而，这一过程受病理医生的专业水平以及主观因素的影响，该中间结果的准确性往往较差，从而给最终的诊断造成不利的影响。

发明内容

有鉴于此，本申请提供一种特定细胞的检测方法、装置和病理切片检测系统，用于提高对病理切片中特定细胞计数的准确性。

为了实现上述目的，现提出的方案如下：

一种特定细胞的检测方法，应用于病理切片检测系统的分析控制设备，所述检测方法包括步骤：

控制所述病理切片系统的照相设备对病理切片以第一倍率进行拍照，并获取所述照相设备得到的所述第一倍率的全景彩色图像；

利用预先训练的区域分割模型从上述全景彩色图像进行处理，得到至少一个ROI区域以及所述ROI区域的区域参数；

针对每个所述ROI区域，根据所述区域参数获取所述ROI区域的区域彩色图像，所述区域彩色图像的倍率为第二倍率，所述第二倍率大于所述第一倍率；

根据预先训练的细胞分割模型对所述区域彩色图像进行处理，得到特定细胞和其他细胞的区域分割二值图像；

根据细胞分级模型对所述特定细胞进行分级，统计每个分级下的所述特定细胞的数量，并统计所述其他细胞的数量。

可选的，所述针对每个所述ROI区域，根据所述区域参数获取所述ROI区域的区域彩色图像，包括步骤：

建立所述第一倍率与所述第二倍率之间的像素映射关系，并基于所述像素映射关系建立所述第二倍率与所述病理切片检测系统的载物台的轴运动精度关系；

根据所述轴运动精度关系与所述ROI区域的区域参数控制所述载物台将所述ROI区域的中心位置移动至所述照相设备的镜头中心，并控制所述照相设备以所述第二倍率拍照；

获取所述照相设备得到的所述区域彩色图像。

可选的，所述根据预先训练的细胞分割模型对所述区域彩色图像进行处理，得到特定细胞和其他细胞的区域分割二值图像，包括步骤：

对所述区域彩色图像进行RGB正则化校正处理；

利用所述细胞分割模型对经过RGB正则化校正处理的区域彩色图像进行处理，得到所述区域分割二值图像。

可选的，所述根据细胞分级模型对所述特定细胞进行分级，统计每个分级下的所述特定细胞的数量，并统计所述其他细胞的数量，包括步骤：

获取所述区域分割二值图像的颜色数据；

根据所述细胞分级模型对所述颜色数据进行处理，得到每个所述特定细胞的分级；

统计每个所述分级下的特定细胞的数量和所述其他细胞的数量。

一种特定细胞的检测装置，应用于病理切片检测系统的分析控制设备，所述检测装置包括：

第一拍照控制模块，被配置为控制所述病理切片系统的照相设备对病理切片以第一倍率进行拍照，并获取所述照相设备得到的所述第一倍率的全景彩色图像；

第一图像处理模块，被配置为利用预先训练的区域分割模型从上述全景彩色图像进行处理，得到至少一个ROI区域以及所述ROI区域的区域参数；

第二拍照控制模块，被配置为针对每个所述ROI区域，根据所述区域参数获取所述ROI区域的区域彩色图像，所述区域彩色图像的倍率为第二倍率，所述第二倍率大于所述第一倍率；

第二图像处理模块，被配置为根据预先训练的细胞分割模型对所述区域彩色图像进行处理，得到特定细胞和其他细胞的区域分割二值图像,；

细胞分级统计模块，被配置为根据细胞分级模型对所述特定细胞进行分级，统计每个分级下的所述特定细胞的数量，并统计所述其他细胞的数量。

可选的，所述第二拍照控制模块包括：

映射建立单元，被配置为建立所述第一倍率与所述第二倍率之间的像素映射关系，并基于所述像素映射关系建立所述第二倍率与所述病理切片检测系统的载物台的轴运动精度关系；

控制执行单元，被配置为根据所述轴运动精度关系与所述ROI区域的区域参数控制所述载物台将所述ROI区域的中心位置移动至所述照相设备的镜头中心，并控制所述照相设备以所述第二倍率拍照；

图像获取单元，被配置为获取所述照相设备得到的所述区域彩色图像。

可选的，所述第二图像处理模块包括：

第一处理单元，被配置为对所述区域彩色图像进行RGB正则化校正处理；

第二处理单元，被配置为利用所述细胞分割模型对经过RGB正则化校正处理的区域彩色图像进行处理，得到所述区域分割二值图像。

可选的，所述细胞分级统计模块包括：

颜色采集单元，被配置为获取所述区域分割二值图像的颜色数据；

分级处理单元，被配置为根据所述细胞分级模型对所述颜色数据进行处理，得到每个所述特定细胞的分级；

统计执行单元，被配置为统计每个所述分级下的特定细胞的数量和所述其他细胞的数量。

一种病理切片检测系统，至少包括分析控制设备，所述分析控制设备包括至少一个处理器和与所述处理器连接的存储器，其中：

所述存储器用于存储计算机程序或指令；

所述处理器用于执行所述计算机程序或指令，以使所述分析控制设备实现如上所述的检测方法。

可选的，所述病理切片检测系统还包括显微镜载物台、显微镜、高分辨率相机和载物台驱动模块，其中：

所述高分辨率相机设置在所述显微镜上；

所述分析控制系统分别与所述高分辨率相机、所述载物台驱动模块信号连接，用于控制所述显微镜载物台移动，还用于控制所述高分辨率相机获取所述全景彩色图像和所述区域彩色图像。

从上述的技术方案可以看出，本申请公开了一种特定细胞的检测方法、装置和病理切片检测系统，该方法和装置具体为控制病理切片系统的照相设备对病理切片以第一倍率进行拍照，并获取照相设备得到的第一倍率的全景彩色图像；利用预先训练的区域分割模型从上述全景彩色图像进行处理，得到至少一个ROI区域以及ROI区域的区域参数；针对每个ROI区域，根据区域参数获取ROI区域的区域彩色图像，区域彩色图像的倍率为第二倍率，第二倍率大于第一倍率；根据预先训练的细胞分割模型对区域彩色图像进行处理，得到特定细胞和其他细胞的区域分割二值图像；根据细胞分级模型对所述特定细胞进行分级，统计每个分级下的特定细胞和其他细胞的数量。由于这过程无需医生根据专业知识参与，从而排除了医生的专业水平和主观因素的影响，进而提高了对特定细胞技术的准确性。

附图说明

为了更清楚地说明本申请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申请的一些实施例，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。

图1为本申请实施例的一种特定细胞的检测方法的流程图；

图2为本申请实施例的一种特定细胞的检测装置的框图；

图3为本申请实施例的一种病理切片检测系统的框图；

图4为一个原始病理切片的图像；

图5为经过正则化处理的病理切片的图像。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

实施例一

图1为本申请实施例的一种特定细胞的检测方法的流程图。

本申请提供的检测方法用于基于病理切边进行细胞检测，从中找出医生感兴趣的特定细胞并计算特定细胞的数量。值得指出的是，对于本申请所指的特定细胞来说，对其进行检测和计数并不能得出或反映出病理切边的来源患者的健康状况，只有有经验的医生或医疗专家根据该数据和自己掌握的医疗知识才能对该来源患者的健康状况做出判断，因此本申请的检测方法所得出的数据为中间数据，其意义为中性的，无法得出来源患者是否健康或患病。

如图1所示，本实施例提供的特定细胞的检测方法应用于病理切片检测系统的分析控制设备，该病理切边检测系统除了分析控制设备外，还包括与其信号连接的显微镜、显微镜载物台、高分辨率相机和载物台驱动模块，该检测方法具体包括如下步骤：

S1、获取病理切片的全景彩色图像。

即在待检测的病理切片放置在该显微镜载物台上时，控制该显微镜的物镜朝向该病理切片，并调整该物镜为较低的放大倍率，以使病理切片能够从显微镜的目镜上呈现包括该病理切片全范围或较大范围的视场，此时控制照相设备采集该视场内的病理切片的全景彩色图像。

这里的照相设备是指与该显微镜的目镜连接的高分辨率相机，其采集的全景彩色图像的倍率为较低倍率，这里为了与后续图像的倍率相区别，将其称为第一倍率。该第一倍率的具体数值用于满足在现有相机能够呈现该视场范围内全部景物的情况下最高能够达到的倍率，或者是能够满足第一步找出ROI区域情况下的较小图像数据下的倍率。

S2、利用区域分割模型从全景彩色图像中提取ROI区域。

本申请的区域分割模型是提取利用经过专家标注的病理图片进行训练所得。在训练之前，病理医生会从标注低倍率下全景病理切片图像中所有特殊区域，即包含一定的特定细胞的区域，然后利用大量经过标注的病理切片图像进行训练，从而得到精准分割特殊区域的深度学习模型。

在取得区域分割模型的基础上，从获取的全景彩色图像中提取一个或多个ROI区域，并得到相应ROI区域的区域参数，这里的区域参数包括区域面积、外接矩形、以及ROI区域的中心坐标。在取得多个ROI区域的情况下，进一步生成包含多个ROI区域的区域列表。

S3、获取每个ROI区域的区域彩色图像。

在得到所有ROI区域的基础上，依次获取每个ROI区域的高倍率的区域彩色图像。这里的高倍率是指相对于上述的低倍率而言的，为了便于描述，将该高倍率称为第二倍率，第二倍率的具体数值能够满足从该区域彩色图像中分辨单个细胞所需，并且最好是针对ROI区域的具体面积使得系统能够取得较好倍率的情况下满足较低的系统计算压力。

在执行获取区域彩色图像时，具体通过如下步骤实现：

首先，建立上述高倍率图像与全景彩色图像之间的像素映射关系，并基于上述像素映射关系建立高倍率图像与上述载物台X、Y轴运动精度关系。

然后，在得到上述轴运动精度关系的基础上，针对每个ROI区域，控制该载物台带动病理切片移动，以使该ROI区域的中心对准显微镜的物镜的中心，此时的物镜已经被用户调整至上述第二倍率，然后控制该高分辨率相机采集该ROI区域的高倍率图像。

最后，从该高分辨率相机中通过数据采集得到每个ROI区域的区域彩色图像。

S4、利用细胞分割模型逐一对区域彩色图像进行处理。

在得到所有ROI区域的区域彩色图像的基础上，依次利用预先训练的细胞分割模型对每个区域彩色图像进行处理，得到特定细胞与其他细胞相区分的区域分割二值图像。

具体执行时，为了提示细胞分割的准确性，首先将上述区域彩色图像进行RGB颜色正则化处理；然后，利用上述分割模型对经过RGB颜色正则化处理的区域彩色图像进行处理，从而得到上述区域分割二值图像。该二值图像可以为每个特定细胞之间或特定细胞与其他细胞之间建立区别视觉特征。

S5、对特定细胞进行分级并统计相应细胞的数量。

即在确定特定细胞的基础上，利用细胞分级模型对特定细胞进行分级处理，经过分级后可以对各分级下的特定细胞进行计数，同时还统计特定细胞外的其他细胞的数量，从而使得最终得到的结果更加详细。

具体通过如下操作实现：

首先，基于上述区域分割二值图像进行颜色数据的提取，即提取相应特定细胞的R、G、B值；

然后，将颜色数据输入到相应的细胞分级模型中进行处理，从而得到特定细胞的分级。

最后，在对特定细胞进行分级的基础上，对每个分级下的特定细胞的数量进行统计，同时，还统计特定细胞外其他细胞的数量。

从上述技术方案可以看出，本实施例提供了一种特定细胞的检测方法，该方法应用于病理切片检测系统的分析控制设备，具体为控制病理切片系统的照相设备对病理切片以第一倍率进行拍照，并获取照相设备得到的第一倍率的全景彩色图像；利用预先训练的区域分割模型从上述全景彩色图像进行处理，得到至少一个ROI区域以及ROI区域的区域参数；针对每个ROI区域，根据区域参数获取ROI区域的区域彩色图像，区域彩色图像的倍率为第二倍率，第二倍率大于第一倍率；根据预先训练的细胞分割模型对区域彩色图像进行处理，得到特定细胞和其他细胞的区域分割二值图像；根据细胞分级模型对所述特定细胞进行分级，统计每个分级下的特定细胞和其他细胞的数量。由于这过程无需医生根据专业知识参与，从而排除了医生的专业水平和主观因素的影响，进而提高了对特定细胞技术的准确性。

实施例二

图2为本申请实施例的一种特定细胞的检测装置的框图。

本申请提供的检测装置用于基于病理切边进行细胞检测，从中找出医生感兴趣的特定细胞并计算特定细胞的数量。值得指出的是，对于本申请所指的特定细胞来说，对其进行检测和计数并不能得出或反映出病理切边的来源患者的健康状况，只有有经验的医生或医疗专家根据该数据和自己掌握的医疗知识才能对该来源患者的健康状况做出判断，因此本申请的检测方法所得出的数据为中间数据，其意义为中性的，无法得出来源患者是否健康或患病。

如图2所示，本实施例提供的特定细胞的检测装置应用于病理切片检测系统的分析控制设备，该病理切边检测系统除了分析控制设备外，还包括与其信号连接的显微镜、显微镜载物台、高分辨率相机和载物台驱动模块，该检测装置具体包括第一拍照控制模块10、第一图像处理模块20、第二拍照控制模块30、第二图像处理模块40和细胞统计模块50。

第一拍照控制模块用于获取病理切片的全景彩色图像。

即在待检测的病理切片放置在该显微镜载物台上时，控制该显微镜的物镜朝向该病理切片，并调整该物镜为较低的放大倍率，以使病理切片能够从显微镜的目镜上呈现包括该病理切片全范围或较大范围的视场，此时控制照相设备采集该视场内的病理切片的全景彩色图像。

这里的照相设备是指与该显微镜的目镜连接的高分辨率相机，其采集的全景彩色图像的倍率为较低倍率，这里为了与后续图像的倍率相区别，将其称为第一倍率。该第一倍率的具体数值用于满足在现有相机能够呈现该视场范围内全部景物的情况下最高能够达到的倍率，或者是能够满足第一步找出ROI区域情况下的较小图像数据下的倍率。

第一图像处理模块用于利用区域分割模型从全景彩色图像中提取ROI区域。

本申请的区域分割模型是提取利用经过专家标注的病理图片进行训练所得。在训练之前，病理医生会从标注低倍率下全景病理切片图像中所有特殊区域，即包含一定的特定细胞的区域，然后利用大量经过标注的病理切片图像进行训练，从而得到精准分割特殊区域的深度学习模型。

在取得区域分割模型的基础上，从获取的全景彩色图像中提取一个或多个ROI区域，并得到相应ROI区域的区域参数，这里的区域参数包括区域面积、外接矩形、以及ROI区域的中心坐标。在取得多个ROI区域的情况下，进一步生成包含多个ROI区域的区域列表。

第二拍照控制模块用于获取每个ROI区域的区域彩色图像。

在得到所有ROI区域的基础上，依次获取每个ROI区域的高倍率的区域彩色图像。这里的高倍率是指相对于上述的低倍率而言的，为了便于描述，将该高倍率称为第二倍率，第二倍率的具体数值能够满足从该区域彩色图像中分辨单个细胞所需，并且最好是针对ROI区域的具体面积使得系统能够取得较好倍率的情况下满足较低的系统计算压力。

该模块包括映射建立单元、控制执行单元和图像获取单元。

映射建立单元用于建立上述高倍率图像与全景彩色图像之间的像素映射关系，并基于上述像素映射关系建立高倍率图像与上述载物台X、Y轴运动精度关系。

控制执行单元用于在得到上述轴运动精度关系的基础上，针对每个ROI区域，控制该载物台带动病理切片移动，以使该ROI区域的中心对准显微镜的物镜的中心，此时的物镜已经被用户调整至上述第二倍率，然后控制该高分辨率相机采集该ROI区域的高倍率图像。

图像获取单元用于从该高分辨率相机中通过数据采集得到每个ROI区域的区域彩色图像。

第二图像处理模块用于利用细胞分割模型逐一对区域彩色图像进行处理。

在得到所有ROI区域的区域彩色图像的基础上，依次利用预先训练的细胞分割模型对每个区域彩色图像进行处理，得到特定细胞与其他细胞相区分的区域分割二值图像。

该模块包括第一处理单元和第二处理单元，为了提示细胞分割的准确性，第一处理单元用于将上述区域彩色图像进行RGB颜色正则化处理；第二处理单元用于利用上述分割模型对经过RGB颜色正则化处理的区域彩色图像进行处理，从而得到上述区域分割二值图像。该二值图像可以为每个特定细胞之间或特定细胞与其他细胞之间建立区别视觉特征。

细胞统计模块用于对特定细胞进行分级并统计相应细胞的数量。

即在确定特定细胞的基础上，利用细胞分级模型对特定细胞进行分级处理，经过分级后可以对各分级下的特定细胞进行计数，同时还统计特定细胞外的其他细胞的数量，从而使得最终得到的结果更加详细。

该模块包括颜色采集单元、分级处理单元和统计执行单元。

颜色采集单元用于基于上述区域分割二值图像进行颜色数据的提取，即提取相应特定细胞的R、G、B值；

分级处理单元用于将颜色数据输入到相应的细胞分级模型中进行处理，从而得到特定细胞的分级。

统计执行单元用于在对特定细胞进行分级的基础上，对每个分级下的特定细胞的数量进行统计，同时，还统计特定细胞外其他细胞的数量。

从上述技术方案可以看出，本实施例提供了一种特定细胞的检测装置，该装置应用于病理切片检测系统的分析控制设备，具体为控制病理切片系统的照相设备对病理切片以第一倍率进行拍照，并获取照相设备得到的第一倍率的全景彩色图像；利用预先训练的区域分割模型从上述全景彩色图像进行处理，得到至少一个ROI区域以及ROI区域的区域参数；针对每个ROI区域，根据区域参数获取ROI区域的区域彩色图像，区域彩色图像的倍率为第二倍率，第二倍率大于第一倍率；根据预先训练的细胞分割模型对区域彩色图像进行处理，得到特定细胞和其他细胞的区域分割二值图像；根据细胞分级模型对所述特定细胞进行分级，统计每个分级下的特定细胞和其他细胞的数量。由于这过程无需医生根据专业知识参与，从而排除了医生的专业水平和主观因素的影响，进而提高了对特定细胞技术的准确性。

实施例三

图3为本申请实施例的一种病理切边检测系统的框图。

如图3所示，本实施例提供了一种病理切片检测系统，该系统包括分析控制设备101、显微镜载物台102、显微镜103、高分辨率相机104和载物台驱动模块105。

该显微镜载物台用于承载病理切片，显微镜置于该显微镜载物台的上方，其物镜朝向病理切片，其目镜上安装有该高分辨率相机，分析控制设备分别与载物台驱动模块、高分辨率相机信号连接。另外该分析控制设备包括至少一个处理器和存储器，两者通过数据总线连接。

该存储器用于存储计算机程序或指令，该处理器用于执行相应计算机程序或指令，以使该分析控制设备驱动该病理切片检测系统执行上述的特定细胞的检测方法。该具体为控制病理切片系统的照相设备对病理切片以第一倍率进行拍照，并获取照相设备得到的第一倍率的全景彩色图像；利用预先训练的区域分割模型从上述全景彩色图像进行处理，得到至少一个ROI区域以及ROI区域的区域参数；针对每个ROI区域，根据区域参数获取ROI区域的区域彩色图像，区域彩色图像的倍率为第二倍率，第二倍率大于第一倍率；根据预先训练的细胞分割模型对区域彩色图像进行处理，得到特定细胞和其他细胞的区域分割二值图像；根据细胞分级模型对所述特定细胞进行分级，统计每个分级下的特定细胞和其他细胞的数量。由于这过程无需医生根据专业知识参与，从而排除了医生的专业水平和主观因素的影响，进而提高了对特定细胞技术的准确性。

另外，在实施本实施例的时候，针对病灶区域的分割模型及细胞分割模型，首先对基于IHC染色的病理切片进行颜色正则化，病理切边如图4所示；以目标图像RGB三通道的95％值为取值边界，将小于95％值的点和大于95％值的点分别放缩，使得处理后图像RGB的95％值与典型值[r＝0.9162,g＝0.9039,b＝0.9219]相同，从而校正病理切片颜色，颜色正则化结果如图5所示。

然后病理专家进行低倍率下病灶区域标注与高倍率下细胞区域标注，从而得到用于生成区域分割模型及细胞分割模型的训练数据。对标注生成的训练数据集进行图像增强操作，主要包括图像模糊、扭曲等基础操作，从而以更为丰富的样本特性，训练得到泛化性能更强的分割模型。

其中分割网络采用经典的编码-解码结构，上、下采样层对应均为5层，并引入金字塔结构，将上采样层concatenate到对应的下采样层，且在对应层级之间进行卷积操作并引入恒等映射防止卷积过程中出现的梯度爆炸及梯度消失问题。

采用binary cross entropy与Dice相结合的损失函数作为网络的优化目标，最终实现低倍率下的病灶分割与高倍率下的细胞分割。在实现细胞分割的基础上，三位专家医生在单个细胞上标注重、中、轻三种肿瘤细胞分级情况，得到肿瘤细胞分级数据集。利用肿瘤细胞分割模型完整提取单个肿瘤细胞区域，并提取该区域RGB三通道平均值作为输入特征，训练SVM分类器，得到上述实施例中的细胞分级模型。

本申请通过硬件系统与软件系统的配套使用，在低倍率下通过区域分割模型完成ROI区域的定位，转换到高倍率下通过细胞分割模型及细胞分级模型实现对ROI区域的遍历分析，最终得到量化的病理切片分析结果。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的技术方案进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种特定细胞的检测方法，应用于病理切片检测系统的分析控制设备，其特征在于，所述检测方法包括步骤：

控制所述病理切片检测系统的照相设备对病理切片以第一倍率进行拍照，并获取所述照相设备得到的所述第一倍率的全景彩色图像；所述照相设备是与显微镜的目镜连接的高分辨率相机；

利用预先训练的区域分割模型从上述全景彩色图像进行处理，得到至少一个ROI区域以及所述ROI区域的区域参数；

针对每个所述ROI区域，根据所述区域参数获取所述ROI区域的区域彩色图像，所述区域彩色图像的倍率为第二倍率，所述第二倍率大于所述第一倍率；

根据预先训练的细胞分割模型对所述区域彩色图像进行处理，得到特定细胞和其他细胞的区域分割二值图像；

根据细胞分级模型对所述特定细胞进行分级，统计每个分级下的所述特定细胞的数量，并统计所述其他细胞的数量；

其中，所述针对每个所述ROI区域，根据所述区域参数获取所述ROI区域的区域彩色图像，包括步骤：

建立所述第一倍率与所述第二倍率之间的像素映射关系，并基于所述像素映射关系建立所述第二倍率与所述病理切片检测系统的载物台的轴运动精度关系；

根据所述轴运动精度关系与所述ROI区域的区域参数控制所述载物台将所述ROI区域的中心位置移动至所述照相设备的镜头中心，并控制所述照相设备以所述第二倍率拍照；

获取所述照相设备得到的所述区域彩色图像；

其中，所述根据预先训练的细胞分割模型对所述区域彩色图像进行处理，得到特定细胞和其他细胞的区域分割二值图像，包括步骤：

对所述区域彩色图像进行RGB正则化校正处理；

利用所述细胞分割模型对经过RGB正则化校正处理的区域彩色图像进行处理，得到所述区域分割二值图像，所述区域分割二值图像能够为每个特定细胞之间或特定细胞与其他细胞之间建立区别视觉特征。

2.如权利要求1所述的检测方法，其特征在于，所述根据细胞分级模型对所述特定细胞进行分级，统计每个分级下的所述特定细胞的数量，并统计所述其他细胞的数量，包括步骤：

获取所述区域分割二值图像的颜色数据；

根据所述细胞分级模型对所述颜色数据进行处理，得到每个所述特定细胞的分级；

统计每个所述分级下的特定细胞的数量和所述其他细胞的数量。

3.一种特定细胞的检测装置，应用于病理切片检测系统的分析控制设备，其特征在于，所述检测装置包括：

第一拍照控制模块，被配置为控制所述病理切片检测系统的照相设备对病理切片以第一倍率进行拍照，并获取所述照相设备得到的所述第一倍率的全景彩色图像；所述照相设备是与显微镜的目镜连接的高分辨率相机；

第一图像处理模块，被配置为利用预先训练的区域分割模型从上述全景彩色图像进行处理，得到至少一个ROI区域以及所述ROI区域的区域参数；

第二拍照控制模块，被配置为针对每个所述ROI区域，根据所述区域参数获取所述ROI区域的区域彩色图像，所述区域彩色图像的倍率为第二倍率，所述第二倍率大于所述第一倍率；

第二图像处理模块，被配置为根据预先训练的细胞分割模型对所述区域彩色图像进行处理，得到特定细胞和其他细胞的区域分割二值图像；

细胞分级统计模块，被配置为根据细胞分级模型对所述特定细胞进行分级，统计每个分级下的所述特定细胞的数量，并统计所述其他细胞的数量；

其中，所述第二拍照控制模块包括：

映射建立单元，被配置为建立所述第一倍率与所述第二倍率之间的像素映射关系，并基于所述像素映射关系建立所述第二倍率与所述病理切片检测系统的载物台的轴运动精度关系；

控制执行单元，被配置为根据所述轴运动精度关系与所述ROI区域的区域参数控制所述载物台将所述ROI区域的中心位置移动至所述照相设备的镜头中心，并控制所述照相设备以所述第二倍率拍照；

图像获取单元，被配置为获取所述照相设备得到的所述区域彩色图像；

其中，所述第二图像处理模块包括：

第一处理单元，被配置为对所述区域彩色图像进行RGB正则化校正处理；

第二处理单元，被配置为利用所述细胞分割模型对经过RGB正则化校正处理的区域彩色图像进行处理，得到所述区域分割二值图像，所述区域分割二值图像能够为每个特定细胞之间或特定细胞与其他细胞之间建立区别视觉特征。

4.如权利要求3所述的检测装置，其特征在于，所述细胞分级统计模块包括：

颜色采集单元，被配置为获取所述区域分割二值图像的颜色数据；

分级处理单元，被配置为根据所述细胞分级模型对所述颜色数据进行处理，得到每个所述特定细胞的分级；

统计执行单元，被配置为统计每个所述分级下的特定细胞的数量和所述其他细胞的数量。

5.一种病理切片检测系统，其特征在于，至少包括分析控制设备，所述分析控制设备包括至少一个处理器和与所述处理器连接的存储器，其中：

所述存储器用于存储计算机程序或指令；

所述处理器用于执行所述计算机程序或指令，以使所述分析控制设备实现如权利要求1～2任一项所述的检测方法。

6.如权利要求5所述的病理切片检测系统，其特征在于，还包括显微镜载物台、显微镜、高分辨率相机和载物台驱动模块，其中：

所述高分辨率相机设置在所述显微镜上；

所述分析控制设备分别与所述高分辨率相机、所述载物台驱动模块信号连接，用于控制所述显微镜载物台移动，还用于控制所述高分辨率相机获取所述全景彩色图像和所述区域彩色图像。