CN116246019A - 一种病理切片的3d重建方法、装置、设备及介质 - Google Patents

一种病理切片的3d重建方法、装置、设备及介质 Download PDF

Info

Publication number
CN116246019A
CN116246019A CN202310179336.8A CN202310179336A CN116246019A CN 116246019 A CN116246019 A CN 116246019A CN 202310179336 A CN202310179336 A CN 202310179336A CN 116246019 A CN116246019 A CN 116246019A
Authority
CN
China
Prior art keywords
slice
image
reconstruction
pathological
registration
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.)
Granted
Application number
CN202310179336.8A
Other languages
English (en)
Other versions
CN116246019B (zh
Inventor
金剑
李容嘉
祝杰
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.)
Shanghai Dipai Biotechnology Co ltd
Original Assignee
Shanghai Dipai Biotechnology 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 Shanghai Dipai Biotechnology Co ltd filed Critical Shanghai Dipai Biotechnology Co ltd
Priority to CN202310179336.8A priority Critical patent/CN116246019B/zh
Publication of CN116246019A publication Critical patent/CN116246019A/zh
Application granted granted Critical
Publication of CN116246019B publication Critical patent/CN116246019B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
    • 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
    • G06T2207/30096—Tumor; Lesion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种病理切片的3D重建方法、装置、设备及介质，包括获取病理切片序列的切片影像；对所述切片影像进行预处理；获取预设生理组织特征；基于所述预设生理组织特征对预处理后各相邻切片影像进行配准得到配准关系；基于所述配准关系对所述病理切片序列进行3D重建得到3D影像。通过识别跨切片的生理结构，提高病理切片序列的配准精度和效率，为进一步研究微观生理组织的3D结构特征提供基础数据。

Description

一种病理切片的3D重建方法、装置、设备及介质
技术领域
本发明涉及医学影像技术领域，特别是涉及一种病理切片的3D重建方法、装置、设备及介质。
背景技术
相比于医学放射影像的医学数字成像和通信数据DICOM(Digital Imaging andCommunications in Medicine)，已经是可直接使用的3D体素形式，目前新兴的高清数字病理影像，由于病理切片是对生理组织的物理切片拍摄所得，原始数据仍然以二维影像为主，且很少有连续拍摄的多切片序列，因此需要对二维影像进行3D重建，3D重建结果可被用于进一步的病灶分析、医学3D打印等数字医学的精准治疗。而传统技术在对病理切片序列进行3D重建的过程中，通常将切片外轮廓作为配准目标，由于不同切片层外轮廓不一致，导致无法精准高效配置或者说对齐相邻切片的位置关系，从而无法得到准确的3D影像。
因此，有必要提供一种病理切片的3D重建方法、装置、设备及介质，以有效解决上述问题。
发明内容
本发明提供一种病理切片的3D重建方法、装置、设备及介质。
本发明实施例提供一种病理切片的3D重建方法，包括：获取病理切片序列的切片影像；对所述切片影像进行预处理；获取预设生理组织特征；基于所述预设生理组织特征对预处理后各相邻切片影像进行配准得到配准关系；基于所述配准关系对所述病理切片序列进行3D重建得到3D影像。
优选地，所述对所述切片影像进行预处理，包括：调整各所述切片影像的顺序；调整各所述切片影像的方位。
优选地，所述获取预设生理组织特征，包括：获取切片精度最高的所述切片影像，并提取其中的细胞核；计算每个所述细胞核的中心点坐标，并形成生理组织轮廓，以得到所述预设生理组织特征。
优选地，所述预设生理组织特征包括脂肪间隙特征或细胞核形成的生理结构特征。
优选地，所述基于所述预设生理组织特征对预处理后各相邻切片影像进行配准得到配准关系，包括：获取每个切片影像中细胞核的中心点坐标；基于各所述切片影像中所述细胞核的中心点的坐标及所述预设生理组织特征，得到每个所述切片影像对应的二值影像及所述切片影像变换为所述二值影像的变换矩阵B；按照切片序列的顺序对各相邻所述二值影像进行配准，得到每一层二值影像与第一层二值影像的配准变换矩阵R；基于所述变换矩阵B和所述配准变换矩阵R，得到各所述切片影像与切片序列的第一张切片影像的配准变换关系。
优选地，所述基于所述配准关系对所述病理切片序列进行3D重建得到3D影像，包括：以所述第一张切片影像为参照影像，并基于所述配准变换关系进行重采样得到配准后的二维切片彩色影像；将各所述二维切片彩色影像按顺序拼接，得到病理切片重建结果；基于切片特征和所述病理切片重建结果得到所述3D影像。
优选地，还包括：基于所述3D影像识别并分割出感兴趣生理结构。
与现有技术相比，本发明实施例的技术方案具有以下有益效果：
本发明实施例提供的病理切片的3D重建方法，为病理切片的3D重建提供了高效且高精度的配准方法。由于选取了跨切片存在的生理组织特征作为配准目标，而不是使用切片的整体形状，因此避免了不同层切片的外轮廓不一致导致的不确定性，对基于3D重建结果识别和恢复跨切片的3D生理结构的细节有非常好的效果，可以重建出非常明显的毛细血管等微观管道组织(图10)，重建精度最高可达到0.5微米级别。有助于研究生理组织的结构特征，例如皮肤毛细血管的生长和分叉特征等，对生理结构的仿真模拟和设计出更符合自然生长的人造组织提供了可靠的依据。
进一步地，本发明还提供一种病理切片的3D重建装置，包括：预处理模块，用于获取病理切片序列的切片影像，并对所述切片影像进行预处理；结构化模块，用于获取预设生理组织特征，并基于所述预设生理组织特征对预处理后各相邻切片影像进行配准得到配准关系；3D重建模块，用于基于所述配准关系对所述病理切片序列进行3D重建得到3D影像。
进一步地，本发明还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述任一实施例所述的方法的步骤。
进一步地，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述任一实施例所述的方法的步骤。
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做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，而不是全部实施例。对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一个实施例提供的一种病理切片的3D重建方法的流程示意图；
图2为本发明的一个实施例提供的4张切片的缩略影像示意图；
图3为本发明的一个实施例提供的一种病理切片的3D重建方法的另一流程示意图；
图4为本发明的一个实施例提供的一张切片影像放大图。
图5为本发明的一个实施例提供的经过去噪和强化处理的细胞核形成的生理结构示意图。
图6为本发明的一个实施例提供的分割后的生理结构区域的2D断层视图。
图7为本发明的一个实施例提供的按照RGB颜色分割后提取出的生理结构的3D视图。
图8为本发明的另一个实施例提供的按照RGB颜色分割后提取出的生理结构的3D视图。
图9为本发明的一个实施例提供的3D网格模型示意图。
图10为本发明的一个实施例提供的微观管道结构示意图。
图11为本发明的一个实施例提供的一种病理切片的3D重建装置示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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做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。
下面以具体的实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
基于现有技术存在的问题，本发明实施例提供一种病理切片的3D重建方法、装置、设备及介质。
图1为本发明的一个实施例提供的一种病理切片的3D重建方法的流程示意图。如图1所示，一种病理切片的3D重建方法包括如下步骤：
步骤S110，获取病理切片序列的切片影像。
在具体实施中，病理切片是病理标本的一种，制作时将部分有病变的组织或脏器经过各种化学品和埋藏法的处理，使之固定硬化，在切片机上切成薄片，粘附在玻片上，染以各种颜色，供在显微镜下检查，以观察病理变化，做出病理诊断，为临床诊断和治疗提供帮助。譬如，在对切片染色处理后，细胞核会和其他组织有明显的差异。
本实施例中，可以利用显微镜等影像采集装置采集病理切片序列的切片影像。譬如，病理切片序列包括20张切片，图2示出了前4张切片的缩略影像。其中，相邻切片影像内容虽然相似，但位移和方向存在差异，如第2张切片影像相比于其他切片影像方位倒转了180°，第4张切片影像有效区域相比于其他影像有效区域存在位移。由于获取的切片影像之间存在位置等误差，需要先对各切片影像进行预处理，使得各切片影像之间进行初步对齐后，才能进行3D重建。
步骤S120，对切片影像进行预处理。
在一些示例中，如图3所示，步骤S120可以包括：
步骤S121，调整各切片影像的顺序。
步骤S122，调整各切片影像的方位。
在具体实施中，可以由医生将对切片影像的顺序和方位进行调整，完成各切片影像按病理内部实际结构位置排列，并且实现各切片影像的初步对齐。还可以在医学系统中设定切片影像的排列规则，实现各切片影像的自动排列和对齐。
在其他示例中，图4为本发明的一个实施例提供的一张切片影像放大图。预处理步骤还可以包括对切片影像进行去噪、强化等，如图5所示，图5为本发明的一个实施例提供的经过去噪和强化处理的细胞核形成的生理结构示意图。
步骤S130，获取预设生理组织特征。
在具体实施中，如图5所示，可以观察到明显的血管等生理结构，如区域40内的血管瘤。
在一些示例中，预设生理组织特征可以包括细胞核形成的生理结构特征，譬如血管特征。如图3所示，步骤S130可以包括：
步骤S131，获取切片精度最高的切片影像，并提取其中的细胞核。
步骤S132，计算每个细胞核的中心点坐标，并形成生理组织轮廓，以得到预设生理组织特征。
在具体实施中，图4中生理结构特征都是由细胞组织构成，虽然细胞之间的边界在切片中并不是非常容易区分，但细胞核会在染色后和其他组织有明显的差异，因此可以直接通过预设的颜色阈值范围进行提取。譬如，病理切片进行过苏木素-伊红(HE)染色处理，使得细胞核呈蓝色、细胞质和细胞外基质呈粉红色，基于细胞核颜色区分设置颜色阈值范围。本实施例中，在切片精度最高的切片影像中，判断各区域的像素点颜色是否在阈值范围内，基于在阈值范围内的像素点提取细胞核。计算出该切片影像中每个细胞核的中心位置，形成由一组点标记出的生理组织轮廓，从而确定预设生理组织特征。本实施例中基于切片精度最高的切片影像确定预设生理组织特征，有利于提高使得3D重建精度。
在其他示例中，对于没有明显由细胞核组成的生理结构的切片，预设生理组织特征可以选择其他生理结构特征，譬如脂肪间隙。
步骤S140，基于预设生理组织特征对预处理后各相邻切片影像进行配准得到配准关系。
在具体实施中，通过对连续的皮肤病理切片的观查，识别和提取出跨多张切片的生理结构。例如人体的病理切片中，一般由毛细血管和其他由细胞核组成的生理结构，在不同层的切片影像中具有比较明显和稳定的可识别性和连续性。可以利用每一层切片影像中预设生理组织特征点，譬如细胞核的中心点形成的2D点云结构作为对齐目标。预处理后各切片影像已经按照切片序列顺序进行排列，通过点云配准算法对预处理后各相邻切片影像进行配准得到配准关系。
在一些示例中，如图3所示，步骤S140具体包括如下步骤：
步骤S141，获取每个切片影像中细胞核的中心点坐标。
在具体实施中，每个切片影像中细胞核的颜色与其他组织的颜色不同。对于每张切片影像，对每个像素点判断是否属于颜色阈值范围，从而提取细胞核，然后计算细胞核的中心点的坐标，从而得到细胞核中心点集。
步骤S142，基于各切片影像中细胞核的中心点的坐标及预设生理组织特征，得到每个切片影像对应的二值影像及切片影像变换为二值影像的变换矩阵B。
在具体实施中，对于每张切片影像，基于各影像中的细胞核中心点集及预设生理组织特征选取其中合适的中心点。这些中心点能够形成合适的生理结构轮廓。然后基于各区域有无中心点生成二值影像，并计算各切片影像(彩色)变换到二值影像的变换矩阵B。譬如，有中心点的区域像素值配置为1，无中心点的区域像素值配置为0，从而生成二值影像。
步骤S143，按照切片序列的顺序对各相邻二值影像进行配准，得到每一层二值影像与第一层二值影像的配准变换矩阵R。
在具体实施中，按切片序列的顺序对所有相邻的二值影像做逐层的配准，使得相邻两层的二值影像尽可能多的重叠。配准可采取最近邻法(ICP，Iterative ClosestPoint)或梯度下降法等常用的影像配准方法。最终得到每一层二值影像与第一层二值影像的配准变换矩阵R。其中，第一层二值影像可以为切片序列的第一张切片影像所对应的二值影像。可以理解，第一层二值影像与第二层二值影像之间配准后可以得到配准变换矩阵R12，第二层二值影像与第三层二值影像之间配准后可以得到配准变换矩阵R23，基于配准变换矩阵R12和配准变换矩阵R23可以得到第一层二值影像与第三层二值影像之间的配准变换矩阵R13，以此类推，可以得到每一层二值影像与第一层二值影像的配准变换矩阵R。
步骤S144，基于变换矩阵B和配准变换矩阵R，得到各切片影像与切片序列的第一张切片影像的配准变换关系。
在具体实施中，将每个切片影像变换为对应的二值影像的变换矩阵B和每一层二值影像与第一层二值影像的配准变换矩阵R相乘即B x R得到各切片影像与切片序列的第一张切片影像的配准变换关系。
步骤S150，基于配准关系对病理切片序列进行3D重建得到3D影像。
在一些示例中，如图3所示，步骤S150具体包括如下步骤：
步骤S151，以第一张切片影像为参照影像，并基于配准变换关系进行重采样得到配准后的二维切片彩色影像。
步骤S152，将各二维切片彩色影像按顺序拼接，得到病理切片重建结果。
步骤S153，基于切片特征和病理切片重建结果得到3D影像。
在具体实施中，以第一张切片影像为参照影像进行重采样，得到分辨率和尺度大小相同的配准后的二维切片彩色影像。将所有重采样后的切片影像按顺序拼接即可得到3D体素表达的病理切片重建结果。切片特征可以包括每层切片的层厚和原始切片本身的像素间隔尺度等，基于这些切片特征和病理切片重建结果换算出符合物理尺寸的3D体素结果，从而得到重建后的3D影像。
在一些示例中，如图3所示，病理切片的3D重建方法还包括步骤S160：基于3D影像识别并分割出感兴趣生理结构。
在具体实施中，根据3D影像中每个体素的颜色区间进行区域分割，得到感兴趣生理结构的3D分割表达。譬如，感兴趣生理结构可以是图5中区域框41内的血管瘤。图6是重建后的3D体素的局部视图，是对图5中区域框41分割后的生理结构区域的2D断层视图。
图7和图8是图5中区域框41按照RGB颜色分割后提取出的生理结构的3D视图。又譬如，感兴趣生理结构可以是切片边缘区域结构。图9中深色区域是切片边缘部分区域3D重建后的3D网格模型示意图。
图10是一组35层病理切片序列重建后，从3D体素中先按照RGB阈值分割，再根据连通性划分提取出的微观管道结构示意图。如图10所示，每一种不同颜色都代表一条独立的管道结构，可以观察到明显的管道主干和分支结构，对这些管道结构的进一步分析将有助于理解营养物质通过管道传输的生理过程。
应该理解的是，虽然图1和3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1和3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
综上，本发明实施例提供的一种病理切片的3D重建方法为病理切片的3D重建提供了高效且高精度的配准方法。由于选取了跨切片存在的生理组织特征作为配准目标，而不是使用切片的整体形状，因此避免了不同层切片的外轮廓不一致导致的不确定性，对基于3D重建结果识别和恢复跨切片的3D生理结构的细节有非常好的效果，可以重建出非常明显的毛细血管等微观管道组织(图10)，重建精度最高可达到0.5微米级别。有助于研究生理组织的结构特征，例如皮肤毛细血管的生长和分叉特征等，对生理结构的仿真模拟和设计出更符合自然生长的人造组织提供了可靠的依据。
进一步地，本发明还提供一种病理切片的3D重建装置。如图11所示，该装置10包括预处理模块11、结构化模块12及3D重建模块13。预处理模块11用于获取病理切片序列的切片影像，并对切片影像进行预处理。结构化模块12用于获取预设生理组织特征，并基于预设生理组织特征对预处理后各相邻切片影像进行配准得到配准关系。3D重建模块13用于基于配准关系对病理切片序列进行3D重建得到3D影像。
关于病理切片的3D重建装置10的具体限定可以参见上文中对于病理切片的3D重建方法的限定，在此不再赘述。上述病理切片的3D重建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
进一步地，本发明还提供一种计算机设备，该计算机设备可以是服务器。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，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储切片图像等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种病理切片的3D重建方法。
进一步地，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种病理切片的3D重建方法，其特征在于，包括：
获取病理切片序列的切片影像；
对所述切片影像进行预处理；
获取预设生理组织特征；
基于所述预设生理组织特征对预处理后各相邻切片影像进行配准得到配准关系；
基于所述配准关系对所述病理切片序列进行3D重建得到3D影像。
2.根据权利要求1所述的病理切片的3D重建方法，其特征在于，所述对所述切片影像进行预处理，包括：
调整各所述切片影像的顺序；
调整各所述切片影像的方位。
3.根据权利要求1所述的病理切片的3D重建方法，其特征在于，所述获取预设生理组织特征，包括：
获取切片精度最高的所述切片影像，并提取其中的细胞核；
计算每个所述细胞核的中心点坐标，并形成生理组织轮廓，以得到所述预设生理组织特征。
4.根据权利要求1所述的病理切片的3D重建方法，其特征在于，所述预设生理组织特征包括脂肪间隙特征或细胞核形成的生理结构特征。
5.根据权利要求3所述的病理切片的3D重建方法，其特征在于，所述基于所述预设生理组织特征对预处理后各相邻切片影像进行配准得到配准关系，包括：
获取每个切片影像中细胞核的中心点坐标；
基于各所述切片影像中所述细胞核的中心点的坐标及所述预设生理组织特征，得到每个所述切片影像对应的二值影像及所述切片影像变换为所述二值影像的变换矩阵B；
按照切片序列的顺序对各相邻所述二值影像进行配准，得到每一层二值影像与第一层二值影像的配准变换矩阵R；
基于所述变换矩阵B和所述配准变换矩阵R，得到各所述切片影像与切片序列的第一张切片影像的配准变换关系。
6.根据权利要求5所述的病理切片的3D重建方法，其特征在于，所述基于所述配准关系对所述病理切片序列进行3D重建得到3D影像，包括：
以所述第一张切片影像为参照影像，并基于所述配准变换关系进行重采样得到配准后的二维切片彩色影像；
将各所述二维切片彩色影像按顺序拼接，得到病理切片重建结果；
基于切片特征和所述病理切片重建结果得到所述3D影像。
7.根据权利要求1所述的病理切片的3D重建方法，其特征在于，还包括：
基于所述3D影像识别并分割出感兴趣生理结构。
8.一种病理切片的3D重建装置，其特征在于，包括：
预处理模块，用于获取病理切片序列的切片影像，并对所述切片影像进行预处理；
结构化模块，用于获取预设生理组织特征，并基于所述预设生理组织特征对预处理后各相邻切片影像进行配准得到配准关系；
3D重建模块，用于基于所述配准关系对所述病理切片序列进行3D重建得到3D影像。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202310179336.8A 2023-02-27 2023-02-27 一种病理切片的3d重建方法、装置、设备及介质 Active CN116246019B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310179336.8A CN116246019B (zh) 2023-02-27 2023-02-27 一种病理切片的3d重建方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310179336.8A CN116246019B (zh) 2023-02-27 2023-02-27 一种病理切片的3d重建方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN116246019A true CN116246019A (zh) 2023-06-09
CN116246019B CN116246019B (zh) 2024-01-05

Family

ID=86627504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310179336.8A Active CN116246019B (zh) 2023-02-27 2023-02-27 一种病理切片的3d重建方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116246019B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009006696A1 (en) * 2007-07-10 2009-01-15 Molecular Discovery Systems Pathology method
CN106570505A (zh) * 2016-11-01 2017-04-19 北京昆仑医云科技有限公司 对组织病理图像进行分析的方法和系统
CN107481224A (zh) * 2017-07-25 2017-12-15 中国科学院自动化研究所 基于线粒体结构的图像配准方法及装置、存储介质及设备
CN107545567A (zh) * 2017-07-31 2018-01-05 中国科学院自动化研究所 生物组织序列切片显微图像的配准方法及装置
CN110853022A (zh) * 2019-11-14 2020-02-28 腾讯科技（深圳）有限公司 病理切片图像的处理方法、装置、系统及存储介质
US20200388031A1 (en) * 2019-06-04 2020-12-10 JelloX Biotech Inc. Method for analyzing tissue specimens
CN113628201A (zh) * 2021-08-19 2021-11-09 西安电子科技大学 基于深度学习的病理切片分析方法、电子设备及可读存储介质
CN113808177A (zh) * 2021-09-26 2021-12-17 深圳市精迈医疗科技有限公司 一种医学影像图像和三维病理图像的配准方法和系统
CN114565588A (zh) * 2022-03-03 2022-05-31 兰州大学第一医院 一种肝脏图像表面特征量化方法、装置、电子设备
WO2022141882A1 (zh) * 2020-12-30 2022-07-07 上海睿刀医疗科技有限公司 一种基于历史病理信息的病灶识别模型构建装置及系统
CN114998223A (zh) * 2022-05-16 2022-09-02 生仝智能科技(北京)有限公司 组织切片的扫描图像处理方法、装置及存储介质
US20220383584A1 (en) * 2019-09-18 2022-12-01 Inveox Gmbh System and methods for generating a 3d model of a pathology sample

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009006696A1 (en) * 2007-07-10 2009-01-15 Molecular Discovery Systems Pathology method
CN106570505A (zh) * 2016-11-01 2017-04-19 北京昆仑医云科技有限公司 对组织病理图像进行分析的方法和系统
CN107481224A (zh) * 2017-07-25 2017-12-15 中国科学院自动化研究所 基于线粒体结构的图像配准方法及装置、存储介质及设备
CN107545567A (zh) * 2017-07-31 2018-01-05 中国科学院自动化研究所 生物组织序列切片显微图像的配准方法及装置
US20200388031A1 (en) * 2019-06-04 2020-12-10 JelloX Biotech Inc. Method for analyzing tissue specimens
US20220383584A1 (en) * 2019-09-18 2022-12-01 Inveox Gmbh System and methods for generating a 3d model of a pathology sample
CN110853022A (zh) * 2019-11-14 2020-02-28 腾讯科技（深圳）有限公司 病理切片图像的处理方法、装置、系统及存储介质
WO2022141882A1 (zh) * 2020-12-30 2022-07-07 上海睿刀医疗科技有限公司 一种基于历史病理信息的病灶识别模型构建装置及系统
CN113628201A (zh) * 2021-08-19 2021-11-09 西安电子科技大学 基于深度学习的病理切片分析方法、电子设备及可读存储介质
CN113808177A (zh) * 2021-09-26 2021-12-17 深圳市精迈医疗科技有限公司 一种医学影像图像和三维病理图像的配准方法和系统
CN114565588A (zh) * 2022-03-03 2022-05-31 兰州大学第一医院 一种肝脏图像表面特征量化方法、装置、电子设备
CN114998223A (zh) * 2022-05-16 2022-09-02 生仝智能科技(北京)有限公司 组织切片的扫描图像处理方法、装置及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MIKLÓS VINCZE; KRISTÓF TAMÁS PAPP; DOAA MAHMOUD; ABDALLAH BENHAMIDA; MARIANNA DIMITROVA KUCAROV; RÓBERT PAULIK; VIKTOR JONAS; MELV: "Displaying Digitalized Pathological Tissue Samples In 3D Using Virtual Reality", 2021 IEEE 21ST INTERNATIONAL SYMPOSIUM ON COMPUTATIONAL INTELLIGENCE AND INFORMATICS (CINTI) *
张玉强;: "基于序列切片图像的三维重建算法分析", 通讯世界, no. 24 *
汤敏;王惠南;: "生物组织连续切片的两步配准及快速重建", 中国图象图形学报, no. 09 *

Also Published As

Publication number Publication date
CN116246019B (zh) 2024-01-05

Similar Documents

Publication Publication Date Title
CN107784647B (zh) 基于多任务深度卷积网络的肝脏及其肿瘤分割方法及系统
CN111091527B (zh) 一种病理组织切片图像中病变区域自动检测方法及系统
CN109272510B (zh) 一种三维医学图像中管状结构的分割方法
WO2021203795A1 (zh) 一种基于显著性密集连接扩张卷积网络的胰腺ct自动分割方法
WO2022089221A1 (zh) 医学图像分割方法、装置、设备、系统及计算机存储介质
CN109308728B (zh) 正电子发射型计算机断层扫描图像处理方法及装置
CN102068281B (zh) 一种占位性病变超声图像的处理方法
US20110158491A1 (en) Method and system for lesion segmentation
CN110310287A (zh) 基于神经网络的危及器官自动勾画方法、设备和存储介质
CN109712163B (zh) 冠脉提取方法、装置、图像处理工作站和可读存储介质
CN112991365B (zh) 一种冠状动脉分割方法、系统及存储介质
CN109767448B (zh) 分割模型训练方法及装置
CN112308846B (zh) 血管分割方法、装置及电子设备
CN110717518A (zh) 基于3d卷积神经网络的持续性肺结节识别方法及装置
CN108460813A (zh) 一种靶区勾画方法和装置
CN112102275A (zh) 肺主动脉血管图像提取方法、装置、存储介质及电子设备
CN114332132A (zh) 图像分割方法、装置和计算机设备
CN114693671A (zh) 基于深度学习的肺结节半自动分割方法、装置、设备及介质
CN116246019B (zh) 一种病理切片的3d重建方法、装置、设备及介质
CN117911432A (zh) 图像分割方法、装置及存储介质
CN114419032B (zh) 心脏左心室的心肌内膜和/或心肌外膜的分割方法和装置
CN116433976A (zh) 图像处理方法、装置、设备和存储介质
Lazard et al. Applying deep learning to melanocyte counting on fluorescent TRP1 labelled images of in vitro skin model
CN116883397B (zh) 一种应用于解剖病理学的自动精益方法及系统
Singh et al. Right ventricle MRI image segmentation of heart

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
GR01 Patent grant
GR01 Patent grant