CN117058014A - 一种基于lab色彩空间匹配的染色归一化系统及方法 - Google Patents
一种基于lab色彩空间匹配的染色归一化系统及方法 Download PDFInfo
- Publication number
- CN117058014A CN117058014A CN202310860530.2A CN202310860530A CN117058014A CN 117058014 A CN117058014 A CN 117058014A CN 202310860530 A CN202310860530 A CN 202310860530A CN 117058014 A CN117058014 A CN 117058014A
- Authority
- CN
- China
- Prior art keywords
- color
- image
- lab
- preset
- dyeing
- 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
Links
- 238000004043 dyeing Methods 0.000 title claims abstract description 67
- 238000010606 normalization Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title description 18
- 230000001575 pathological effect Effects 0.000 claims abstract description 101
- 239000003086 colorant Substances 0.000 claims abstract description 86
- 238000006243 chemical reaction Methods 0.000 claims abstract description 27
- 238000010191 image analysis Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 16
- 238000010186 staining Methods 0.000 claims description 35
- 238000005070 sampling Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 18
- 230000004927 fusion Effects 0.000 claims description 15
- 230000010365 information processing Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 5
- 210000001519 tissue Anatomy 0.000 description 33
- 230000009286 beneficial effect Effects 0.000 description 12
- 230000007170 pathology Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- WZUVPPKBWHMQCE-UHFFFAOYSA-N Haematoxylin Chemical compound C12=CC(O)=C(O)C=C2CC2(O)C1C1=CC=C(O)C(O)=C1OC2 WZUVPPKBWHMQCE-UHFFFAOYSA-N 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- YQGOJNYOYNNSMM-UHFFFAOYSA-N eosin Chemical compound [Na+].OC(=O)C1=CC=CC=C1C1=C2C=C(Br)C(=O)C(Br)=C2OC2=C(Br)C(O)=C(Br)C=C21 YQGOJNYOYNNSMM-UHFFFAOYSA-N 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000013043 chemical agent Substances 0.000 description 1
- 210000000805 cytoplasm Anatomy 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010827 pathological analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000012128 staining reagent Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明提供了一种基于LAB色彩空间匹配的染色归一化系统及方法包括：图像采集模块，用于采集病理切片的彩色图像，图像分析模块，用于解析彩色图像，得到所述病理切片的色彩分布信息以及不同色彩之间的对比度，图像训练模块，用于将所述彩色图像输入到预设LAB色彩空间内，结合所述色彩分布信息和不同色彩之间的对比度将彩色图像与预设染色标准进行色彩调节得到LAB图像，图像整理模块，用于获取所述LAB图像的LAB分布信息，得到所述病理切片的组织染色结果并传输到指定终端进行显示，通过对病理切片的彩色图像进行色彩转换，从而实现将不同病理切片的染色修改为同一个标准，消除了不同病理切片之间的染色差异，方便相关人员进行病理检测。
Description
技术领域
本发明涉及医学领域，特别涉及一种基于LAB色彩空间匹配的染色归一化系统及方法。
背景技术
数字病理学是医学领域中一种新兴技术，它利用数字图像处理和分析技术，将组织切片数字化，以便对全切片图像(whole slide images,WSI)进行高精度的诊断和治疗。数字病理学已经成为现代医学中不可或缺的工具之一，它可以提高诊断准确性、降低误诊率、加快病理学诊断的速度，同时也为基础研究提供了强有力的工具。随着人工智能技术的兴起，深度学习正在帮助数字病理学实现对WSI的自动识别、分割等任务。
然而，染色异质性(Stain colour heterogeneity)极大地影响了神经网络的泛化性。染色变化是由不同医疗中心的样本厚度、组织制备和组织扫描的不一致性导致的。组织制备涉及多个步骤，包括组织染色。染色是在样本上应用化学试剂，以增加组织内结构之间的对比度的过程，通常使用Hematoxylin和Eosin(H&E)的组合进行染色。Hematoxylin会以蓝色的色调染色细胞核，而Eosin会以粉红色的色调染色细胞质和细胞外结构。H&E的浓度没有标准化，导致医疗中心之间的染色变化。组织扫描是使用全扫描仪对图像进行高分辨率数字采集的过程。不同的医疗机构一般使用不同的扫描仪，例如Aperio、3DHistech、Hamamatsu等。每种扫描仪都具有不同的属性和特征，例如物理温度(影响染色试剂)或扫描器在采集过程中获取的光线，都会影响扫描器的色彩响应。因此，来自不同医疗中心的切片会显示特定的染色特征。
因此，本发明提供了一种基于LAB色彩空间匹配的染色归一化系统及方法。
发明内容
本发明一种基于LAB色彩空间匹配的染色归一化系统及方法，通过对病理切片的彩色图像进行色彩转换，从而实现将不同病理切片的染色修改为同一个标准，消除了不同病理切片之间的染色差异，方便相关人员进行病理检测。
本发明提供了一种基于LAB色彩空间匹配的染色归一化系统，包括：
图像采集模块，用于采集病理切片的彩色图像；
图像分析模块，用于解析彩色图像，得到所述病理切片的色彩分布信息以及不同色彩之间的对比度；
图像训练模块，用于将所述彩色图像输入到预设LAB色彩空间内，结合所述色彩分布信息和不同色彩之间的对比度将彩色图像与预设染色标准进行色彩调节得到LAB图像；
图像整理模块，用于获取所述LAB图像的LAB分布信息，得到所述病理切片的组织染色结果并传输到指定终端进行显示。
在一种可实施的方式中，
所述图像采集模块，包括：
第一采集单元，用于采集所述病理切片的第一图像；
第二采集单元，用于采集所述病理切片的第二图像；
图像融合单元，用于第一采集单元的第一光线强度以及第二采集单元的第二光线强度，根据所述第一光线强度和第二光线强度分别对所述第一图像和第二图像进行光强修正，将修正后的第一图像和第二图像进行相互适应训练，得到彩色图像。
在一种可实施的方式中，
所述图像分析模块，包括：
图像采样单元，用于对所述彩色图像进行上采样并记录采样比例，得到采样图像；
像素分类单元，用于获取所述采样图像上每一列像素点对应的列像素值集，以及每一行像素点对应的行像素值集，分别将同一列像素值集中像素值相同的列像素点记作第一相同点，以及分别将同一行像素值集中像素值相同的行像素点记作第二相同点；
轮廓分析单元，用于根据所述第一相同点和第二相同点建立同像素值区域，得到所述采样图像的像素轮廓；
信息确立单元，用于基于所述像素轮廓结合所述采样比例，生成所述彩色图像的色彩轮廓，建立色彩分布信息，以及比较所述彩色图像上任意两个色彩轮廓，得到不同色彩之间的对比度。
在一种可实施的方式中，
所述图像训练模块，包括：
图像解析单元，用于将所述彩色图像输入到预设LAB色彩空间中，同时根据所述色彩分布信息建立图像色彩轮廓样本；
图像输出单元，用于获取所述色彩图像上每一像素点在所述LAB色彩空间中对应的显示色彩，建立色彩转换关系，并将所述显示色彩输入到所述图像色彩轮廓样本上，得到样本图像；
图像检查单元，用于根据所述色彩转换关系，结合彩色图像上不同色彩之间的对比度得到样本图像上不同显示色彩之间的目标色彩对比关系，获取所述样本图像中不同色彩之间的实际色彩对比关系；
图像调节单元，用于当所述实际色彩对比关系与目标色彩对比关系不一致时，在获取所述样本图像上不同显示色彩对应的色彩轮廓，提取色彩轮廓填充度小于预设填充度的目标色彩轮廓，利用所述预设染色标准调节所述目标色彩轮廓对应的目标显示色彩，生成LAB图像。
在一种可实施的方式中，
所述图像整理模块，包括：
信息处理单元，用于解析所述LAB图像，得到每一LAB像素点对应的像素亮度以及每一LAB像素点从绿色到红色的第一色彩分量，和每一LAB像素点从蓝色到黄色的第二色彩分量，建立LAB分布信息；
亮度分析单元，用于根据每一LAB像素点对应的像素亮度将所述LAB像素点划分为第一亮度类、第二亮度类以及第三亮度类，在预设亮度-参数列表中查找每一亮度类对应的亮度参数，根据所述亮度参数矫正对应LAB像素点的第一色彩分量和第二色彩分量，建立每一LAB像素点对应的色彩特征信息；
切片分析单元，用于将所述色彩特征信息标记在所述LAB图像上，得到不同色彩特征信息对应的标记轮廓特征，得到所述病理切片上不同组织对应的染色结果，将染色结果一一传输到指定终端进行显示。
在一种可实施的方式中，
所述图像输出单元，包括：
色彩分析子单元，用于获取所述色彩图像中每一像素点分别在所述预设LAB色彩空间的A通道和B通道的第一输出色彩和第二输出色彩；
亮度分析子单元，用于获取所述色彩图像中每一像素点分别在所述预设LAB色彩空间的L通道的输出亮度；
信息处理子单元，用于基于所述第一输出色彩对应的第一数据量以及第二输出色彩对应的第二数据量，结合每一像素点对应的输出亮度建立色彩融合系数，利用所述色彩融合系数分别对每一像素点进行融合，获取每一像素点对应的融合结果，建立色彩转换关系；
色彩填充子单元，用于根据所述色彩转换关系得到每一显示色彩与像素点之间的转换信息，将所述显示色彩分别输入到图像色彩轮廓样本对应轮廓内，得到样本图像。
在一种可实施的方式中，
所述图像训练模块，还用于：
当所述实际色彩对比关系与目标色彩对比关系一致时，将所述样本图像记作LAB图像。
在一种可实施的方式中，
所述图像分析模块，还用于：
当所述色彩分布信息中所包含的色彩数量小于预设色彩数量时，确定所述彩色图像失效，生成补拍建议，传输到指定终端进行显示。
本发明提供了一种基于LAB色彩空间匹配的染色归一化方法，包括：
步骤1：采集病理切片的彩色图像；
步骤2：解析彩色图像，得到所述病理切片的色彩分布信息以及不同色彩之间的对比度；
步骤3：将所述彩色图像输入到预设LAB色彩空间内，结合所述色彩分布信息和不同色彩之间的对比度将彩色图像与预设染色标准进行色彩调节得到LAB图像；
步骤4：获取所述LAB图像的LAB分布信息，得到所述病理切片的组织染色结果并传输到指定终端进行显示。
在一种可实施的方式中。
所述步骤3，包括：
步骤31：将所述彩色图像输入到预设LAB色彩空间中，同时根据所述色彩分布信息建立图像色彩轮廓样本；
步骤32：获取所述色彩图像上每一像素点在所述LAB色彩空间中对应的显示色彩，建立色彩转换关系，并将所述显示色彩输入到所述图像色彩轮廓样本上，得到样本图像；
步骤33：根据所述色彩转换关系，结合彩色图像上不同色彩之间的对比度得到样本图像上不同显示色彩之间的目标色彩对比关系，获取所述样本图像中不同色彩之间的实际色彩对比关系；
步骤34：当所述实际色彩对比关系与目标色彩对比关系不一致时，在获取所述样本图像上不同显示色彩对应的色彩轮廓，提取色彩轮廓填充度小于预设填充度的目标色彩轮廓，利用所述预设染色标准调节所述目标色彩轮廓对应的目标显示色彩，生成LAB图像。
本发明可以实现的有益效果为：为了统一不同医疗机构的病理切片色彩，方便相关人员了解病理切片的组织结构，首先采集并解析病理切片的彩色图像，得到病理切片的色彩分布信息以及不同色彩之间的对比度，然后将彩色图像输入到LAB色彩空间中，由此可以结合已知的色彩分布信息以及不同色彩之间的对比度来对彩色图像进行色彩调节，得到一个LAB图像，最后获取LAB图像的LAB分布信息，从而可以建立病理切片的组织染色结果，并传输到指定终端显示，供相关人员参考，通过利用LAB色彩空间的优质特性可以解决彩色图像上不同区域亮度差的问题，将不同病理切片的染色修改为同一个标准，消除了不同病理切片之间的染色差异，方便相关人员进行病理检测。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于LAB色彩空间匹配的染色归一化系统的组成示意图；
图2、3为本发明实施例中一种基于LAB色彩空间匹配的染色归一化系统及方法来自两个不同的医疗机构的病理切片组成示意图；
图4为本发明实施例中一种基于LAB色彩空间匹配的染色归一化系统及方法的L直方图-A直方图-B直方图示意图；
图5为本发明实施例中一种基于LAB色彩空间匹配的染色归一化方法工作流程示意图；
图6为本发明实施例中一种基于LAB色彩空间匹配的染色归一化方法的归一图像示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1
本实施例提供了一种基于LAB色彩空间匹配的染色归一化系统，如图1所示，包括：
图像采集模块，用于采集病理切片的彩色图像；
图像分析模块，用于解析彩色图像，得到所述病理切片的色彩分布信息以及不同色彩之间的对比度；
图像训练模块，用于将所述彩色图像输入到预设LAB色彩空间内，结合所述色彩分布信息和不同色彩之间的对比度将彩色图像与预设染色标准进行色彩调节得到LAB图像；
图像整理模块，用于获取所述LAB图像的LAB分布信息，得到所述病理切片的组织染色结果并传输到指定终端进行显示。
该实例中，病理切片表示是取一定大小的病变组织，用病理组织学方法制成病理切片；
该实例中，色彩分布信息表示不同的色彩在同一幅彩色图像上不同位置的分布情况；
该实例中，不同色彩之间的对比度表示在同一幅彩色图像上任意一个色彩与剩余色彩之间的差别；
该实例中，LAB色彩空间表示颜色-对立空间，其中的L表示亮度，A和B表示颜色对立维度；
该实例中，预设染色标准表示由相关人员提前设置的切片染色标准，且相关人员可根据实际情况调整预设染色标准；
该实例中，色彩调节表示将彩色图像上的各个色彩向预设染色标准进行调整生成LAB图像的过程；
该实例中，利用LAB色彩空间进行染色归一化的目的在于：由于来自不同医疗机构采集的病理切片图像除了色彩上的差异，而且在亮度上存在明显的差异，LAB色彩空间还具有感知均匀、色彩空间大、颜色的创建和显示与使用的介质无关等优质特性，利用LAB色彩空间可以将图像的颜色和亮度分通道表示，通道L代表亮度，通道A代表从绿色到红色的分量，通道B代表从蓝色到黄色的分量，通过将亮度分量和颜色分量进行统一可以更加方便观察切片的组织结构；
例如：图2以及图3所示的是来自两个不同的医疗机构的病理切片，其中的图2为Source机构，图3为Target机构，可以观察到这两张彩色图片的色彩和亮度存在明显差异，通过分析两幅图片分别在LAB色彩空间中的直方图分布，可以得到如图4所示的“L直方图-A直方图-B直方图”，“在L直方图-A直方图-B直方图”中可以得知：同一个数据域内，不同样本具有各自较为稳定的颜色和亮度分布特征，但是在不同数据域间，颜色和亮度存在分布差异，并且亮度的差异更为明显。
上述技术方案的工作原理以及有益效果：为了统一不同医疗机构的病理切片色彩，方便相关人员了解病理切片的组织结构，首先采集并解析病理切片的彩色图像，得到病理切片的色彩分布信息以及不同色彩之间的对比度，然后将彩色图像输入到LAB色彩空间中，由此可以结合已知的色彩分布信息以及不同色彩之间的对比度来对彩色图像进行色彩调节，得到一个LAB图像，最后获取LAB图像的LAB分布信息，从而可以建立病理切片的组织染色结果，并传输到指定终端显示，供相关人员参考，通过利用LAB色彩空间的优质特性可以解决彩色图像上不同区域亮度差的问题，将不同病理切片的染色修改为同一个标准，消除了不同病理切片之间的染色差异，方便相关人员进行病理检测。
实施例2
在实施例2的基础上，所述种基于LAB色彩空间匹配的染色归一化系统，所述图像采集模块，包括：
第一采集单元，用于采集所述病理切片的第一图像；
第二采集单元，用于采集所述病理切片的第二图像；
图像融合单元，用于第一采集单元的第一光线强度以及第二采集单元的第二光线强度，根据所述第一光线强度和第二光线强度分别对所述第一图像和第二图像进行光强修正，将修正后的第一图像和第二图像进行相互适应训练，得到彩色图像。
该实例中，第一光线强度表示第一采集单元的光强，第二光线强度表示第二采集单元的强度，其中的“第一”、“第二”仅用来区分两个不同的光线强度，不具有排序的作用；
该实例中，第一采集单元可以采集来自一个医疗机构的病理切片图像，第二采集单元可以采集来自另一个医疗机构的病理切片图像。
上述技术方案的工作原理以及有益效果：通过采集两个不同医疗机构的病理切片图像，然后进行图像融合从而得到彩色图像，这样一来可以增强图像的有效信息，方便后续进行图像处理工作。
实施例3
在实施例1的基础上，所述一种基于LAB色彩空间匹配的染色归一化系统，所述图像分析模块，包括：
图像采样单元，用于对所述彩色图像进行上采样并记录采样比例，得到采样图像；
像素分类单元，用于获取所述采样图像上每一列像素点对应的列像素值集，以及每一行像素点对应的行像素值集，分别将同一列像素值集中像素值相同的列像素点记作第一相同点，以及分别将同一行像素值集中像素值相同的行像素点记作第二相同点；
轮廓分析单元，用于根据所述第一相同点和第二相同点建立同像素值区域，得到所述采样图像的像素轮廓；
信息确立单元，用于基于所述像素轮廓结合所述采样比例，生成所述彩色图像的色彩轮廓，建立色彩分布信息，以及比较所述彩色图像上任意两个色彩轮廓，得到不同色彩之间的对比度。
该实例中，上采样表示将彩色图像进行放大的操作；
该实例中，采样比例表示将彩色图像放大为采样图像时的放大比例；
该实例中，列像素值集表示同一列像素点对应的像素值的合集；
该实例中，行像素值集表示统一行像素点对应的像素值的合集；
该实例中，第一相同点表示同一个列像素值集中像素值相同的像素点；
该实例中，第二相同点表示同一个行像素值集中像素值相同的像素点；
该实例中，同像素值区域表示由相同的像素值对应的第一相同点以及第二相同点所组成的区域；
该实例中，像素轮廓表示同类像素值所构成的轮廓；
该实例中，色彩轮廓表示彩色图像上不同色彩所对应的轮廓。
上述技术方案的工作原理以及有益效果：为了进一步分析彩色图像上不同色彩之间的对比度，通过对彩色图像进行上采样得到一个采样图像，然后将采样图像上每一行像素以及每一列像素的像素值相同的像素点进行归类，从而可以得到若干个同像素区域，由此可以建立采样图像的像素轮廓，然后结合上采样时的采样比例，为彩色图像建立色彩轮廓，由此可以得到彩色图像的色彩分布信息，同时可以通过比较色彩图像上的色彩轮廓来得到不同色彩之间的对比度，方便后续进行图像训练。
实施例4
在实施例1的基础上，所述一种基于LAB色彩空间匹配的染色归一化系统，所述图像训练模块，包括：
图像解析单元，用于将所述彩色图像输入到预设LAB色彩空间中，同时根据所述色彩分布信息建立图像色彩轮廓样本；
图像输出单元，用于获取所述色彩图像上每一像素点在所述LAB色彩空间中对应的显示色彩，建立色彩转换关系，并将所述显示色彩输入到所述图像色彩轮廓样本上，得到样本图像；
图像检查单元，用于根据所述色彩转换关系，结合彩色图像上不同色彩之间的对比度得到样本图像上不同显示色彩之间的目标色彩对比关系，获取所述样本图像中不同色彩之间的实际色彩对比关系；
图像调节单元，用于当所述实际色彩对比关系与目标色彩对比关系不一致时，在获取所述样本图像上不同显示色彩对应的色彩轮廓，提取色彩轮廓填充度小于预设填充度的目标色彩轮廓，利用所述预设染色标准调节所述目标色彩轮廓对应的目标显示色彩，生成LAB图像。
该实例中，色彩轮廓样本表示彩色图像上不同的色彩所组成的轮廓；
该实例中，显示色彩表示彩色图像上不同的色彩在LAB色彩空间内所显示的色彩；
该实例中，色彩转换关系表示彩色图像上的色彩与LAB色彩空间内显示色彩之间的对应关系；
该实例中，预设填充度可以为95％；
该实例中，LAB图像与彩色图像的规格是一致的；
该实例中，实际色彩对比关系表示在样本图像中，一个显示色彩与不同显示色彩之间的色彩对比度；
该实例中，目标色彩对比关系表示利用预设的染色方法对病理切片染色后不同组织结构之间的色彩对比度。
上述技术方案的工作原理以及有益效果：为了进一步统一不同医疗机构的病理切片图像，将病理切片的彩色图像输入到预设的IAB色彩空间中，以及根据已知的色彩分布信息建立图像色彩轮廓样本，然后将彩色图像在LAB色彩空间内的显示色彩填充到图像色彩轮廓样本上，由此可以得到一副样本图像，然后对通过分析样本图像的实际色彩对比关系与目标对比关系的一致性来判断样本图像是否已合格，进而对轮廓填充度不足的区域进行调节，最后生成一副LAB图像，为后续进行组织结构分析做基础。
实施例5
在实施例1的基础上，所述一种基于LAB色彩空间匹配的染色归一化系统，所述图像整理模块，包括：
信息处理单元，用于解析所述LAB图像，得到每一LAB像素点对应的像素亮度以及每一LAB像素点从绿色到红色的第一色彩分量，和每一LAB像素点从蓝色到黄色的第二色彩分量，建立LAB分布信息；
亮度分析单元，用于根据每一LAB像素点对应的像素亮度将所述LAB像素点划分为第一亮度类、第二亮度类以及第三亮度类，在预设亮度-参数列表中查找每一亮度类对应的亮度参数，根据所述亮度参数矫正对应LAB像素点的第一色彩分量和第二色彩分量，建立每一LAB像素点对应的色彩特征信息；
切片分析单元，用于将所述色彩特征信息标记在所述LAB图像上，得到不同色彩特征信息对应的标记轮廓特征，得到所述病理切片上不同组织对应的染色结果，将染色结果一一传输到指定终端进行显示。
该实例中，像素亮度可以表示为L，第一色彩分量可以表示为A，第二色彩分量可以表示为B；
该实例中，第一亮度类表示亮度值在[0，90]之间的像素点，第二亮度类表示亮度值在[91，170]之间的像素点，第三亮度类表示亮度值在[171，255]之间的像素点；
该实例中，预设亮度-参数列表表示不同的亮度类对应的亮度参数的汇集列表，且亮度类等级越高，亮度参数越小；
该实例中，亮度参数表示用来修正LAB像素点中亮度对色彩分量的影响的参数；
该实例中，不同的组织对应的染色结果是不同的。
上述技术方案的工作原理以及有益效果：通过解析LAB图像，得到每一LAB图像对应的像素亮度和LAB分布信息，然后根据像素亮度将LAB像素点进行分类，并为每一类像素点匹配相应的亮度参数，由此可以利用亮度参数对色彩分量进行矫正，可以得到每一LAB像素点的色彩特征信息，最后将色彩特征信息标记在LAB图像上，就可以得到标记轮廓特征，从而生成病理切片不同组织的染色结果，并向相关人员显示，便于相关人员进一步分析病理。
实施例6
在实施例4的基础上，所述一种基于LAB色彩空间匹配的染色归一化系统，所述图像输出单元，包括：
色彩分析子单元，用于获取所述色彩图像中每一像素点分别在所述预设LAB色彩空间的A通道和B通道的第一输出色彩和第二输出色彩；
亮度分析子单元，用于获取所述色彩图像中每一像素点分别在所述预设LAB色彩空间的L通道的输出亮度；
信息处理子单元，用于基于所述第一输出色彩对应的第一数据量以及第二输出色彩对应的第二数据量，结合每一像素点对应的输出亮度建立色彩融合系数，利用所述色彩融合系数分别对每一像素点进行融合，获取每一像素点对应的融合结果，建立色彩转换关系；
色彩填充子单元，用于根据所述色彩转换关系得到每一显示色彩与像素点之间的转换信息，将所述显示色彩分别输入到图像色彩轮廓样本对应轮廓内，得到样本图像。
该实例，A通道表示LAB色彩空间中可以通过第一色彩分量的通道，B通道表示LAB空间中可以通过第二色彩分量的通道，L通道表示LAB色彩空间中可以通过像素亮度的通道；
该实例中，第一输出色彩表示彩色图像上每一像素点的第一色彩分量通过LAB色彩空间后所显示的色彩，第二输出色彩表示彩色图像上每一像素点的第二色彩分量通过LAB色彩空间后所显示的色彩；
该实例中，第一数据量表示一个像素点对应的第一输出色彩的色彩数量，第二数据量表示一个像素点对应的第二输出色彩的色彩数量；
该实例中，色彩融合系数表示根据一个像素点对应的第一输出量、第二输出量以及输出亮度进行卷积后生成的系数。
上述技术方案的工作原理以及有益效果：根据彩色图像上每一像素点在预设LAB色彩空间中的第一输出色彩和第二输出色彩以及输出亮度来建立一个色彩融合系数，从而进行色彩融合，在此过程中建立色彩转换关系，最后可以得到不同显示色彩与像素点之间的转换信息，将显示色彩输入到图像色彩轮廓样本中，就可以得到样本图像。
实施例7
在实施例4的基础上，所述一种基于LAB色彩空间匹配的染色归一化系统，所述图像训练模块，还用于：
当所述实际色彩对比关系与目标色彩对比关系一致时，将所述样本图像记作LAB图像。
上述技术方案的工作原理以及有益效果：当实际色彩对比关系与目标色彩对比关系一致时，表示已经完成了图像训练供，为了缩短工作进程，避免不必要的步骤，将此时的样本图像记作LAB图像，节约了训练时长，提高了系统效率。
实施例8
在实施例3的基础上，所述一种基于LAB色彩空间匹配的染色归一化系统，所述图像分析模块，还用于：
当所述色彩分布信息中所包含的色彩数量小于预设色彩数量时，确定所述彩色图像失效，生成补拍建议，传输到指定终端进行显示。
该实例中，预设色彩数量为2。
上述技术方案的工作原理以及有益效果：为了提高图像分析结果的有效性，通过分析色彩分布信息中色彩数量，从而初步判断彩色图像的有效性，并在必要时进行不拍，实现了初步判断。
实施例9
本发明提供了一种基于LAB色彩空间匹配的染色归一化方法，包括：
步骤1：采集病理切片的彩色图像；
步骤2：解析彩色图像，得到所述病理切片的色彩分布信息以及不同色彩之间的对比度；
步骤3：将所述彩色图像输入到预设LAB色彩空间内，结合所述色彩分布信息和不同色彩之间的对比度将彩色图像与预设染色标准进行色彩调节得到LAB图像；
步骤4：获取所述LAB图像的LAB分布信息，得到所述病理切片的组织染色结果并传输到指定终端进行显示。
该实例中，病理切片表示是取一定大小的病变组织，用病理组织学方法制成病理切片；
该实例中，色彩分布信息表示不同的色彩在同一幅彩色图像上不同位置的分布情况；
该实例中，不同色彩之间的对比度表示在同一幅彩色图像上任意一个色彩与剩余色彩之间的差别；
该实例中，LAB色彩空间表示颜色-对立空间，其中的L表示亮度，A和B表示颜色对立维度；
该实例中，预设染色标准表示由相关人员提前设置的切片染色标准，且相关人员可根据实际情况调整预设染色标准；
该实例中，色彩调节表示将彩色图像上的各个色彩向预设染色标准进行调整生成LAB图像的过程；
该实例中，利用LAB色彩空间进行染色归一化的目的在于：由于来自不同医疗机构采集的病理切片图像除了色彩上的差异，而且在亮度上存在明显的差异，LAB色彩空间还具有感知均匀、色彩空间大、颜色的创建和显示与使用的介质无关等优质特性，利用LAB色彩空间可以将图像的颜色和亮度分通道表示，通道L代表亮度，通道A代表从绿色到红色的分量，通道B代表从蓝色到黄色的分量，通过将亮度分量和颜色分量进行统一可以更加方便观察切片的组织结构；
例如：图2以及图3所示的是来自两个不同的医疗机构的病理切片，其中的图2为Source机构，图3为Target机构，可以观察到这两张彩色图片的色彩和亮度存在明显差异，通过分析两幅图片分别在LAB色彩空间中的直方图分布，可以得到如图4所示的“L直方图-A直方图-B直方图”，“在L直方图-A直方图-B直方图”中可以得知：同一个数据域内，不同样本具有各自较为稳定的颜色和亮度分布特征，但是在不同数据域间，颜色和亮度存在分布差异，并且亮度的差异更为明显。
上述技术方案的工作原理以及有益效果：为了统一不同医疗机构的病理切片色彩，方便相关人员了解病理切片的组织结构，首先采集并解析病理切片的彩色图像，得到病理切片的色彩分布信息以及不同色彩之间的对比度，然后将彩色图像输入到LAB色彩空间中，由此可以结合已知的色彩分布信息以及不同色彩之间的对比度来对彩色图像进行色彩调节，得到一个LAB图像，最后获取LAB图像的LAB分布信息，从而可以建立病理切片的组织染色结果，并传输到指定终端显示，供相关人员参考，通过利用LAB色彩空间的优质特性可以解决彩色图像上不同区域亮度差的问题，将不同病理切片的染色修改为同一个标准，消除了不同病理切片之间的染色差异，方便相关人员进行病理检测。
实施例10
在实施例9的基础上，所述一种基于LAB色彩空间匹配的染色归一化方法，所述步骤3，包括：
步骤31：将所述彩色图像输入到预设LAB色彩空间中，同时根据所述色彩分布信息建立图像色彩轮廓样本；
步骤32：获取所述色彩图像上每一像素点在所述LAB色彩空间中对应的显示色彩，建立色彩转换关系，并将所述显示色彩输入到所述图像色彩轮廓样本上，得到样本图像；
步骤33：根据所述色彩转换关系，结合彩色图像上不同色彩之间的对比度得到样本图像上不同显示色彩之间的目标色彩对比关系，获取所述样本图像中不同色彩之间的实际色彩对比关系；
步骤34：当所述实际色彩对比关系与目标色彩对比关系不一致时，在获取所述样本图像上不同显示色彩对应的色彩轮廓，提取色彩轮廓填充度小于预设填充度的目标色彩轮廓，利用所述预设染色标准调节所述目标色彩轮廓对应的目标显示色彩，生成LAB图像。
该实例中，色彩轮廓样本表示彩色图像上不同的色彩所组成的轮廓；
该实例中，显示色彩表示彩色图像上不同的色彩在LAB色彩空间内所显示的色彩；
该实例中，色彩转换关系表示彩色图像上的色彩与LAB色彩空间内显示色彩之间的对应关系；
该实例中，预设填充度可以为95％；
该实例中，LAB图像与彩色图像的规格是一致的；
该实例中，实际色彩对比关系表示在样本图像中，一个显示色彩与不同显示色彩之间的色彩对比度；
该实例中，目标色彩对比关系表示利用预设的染色方法对病理切片染色后不同组织结构之间的色彩对比度。
上述技术方案的工作原理以及有益效果：为了进一步统一不同医疗机构的病理切片图像，将病理切片的彩色图像输入到预设的IAB色彩空间中，以及根据已知的色彩分布信息建立图像色彩轮廓样本，然后将彩色图像在LAB色彩空间内的显示色彩填充到图像色彩轮廓样本上，由此可以得到一副样本图像，然后对通过分析样本图像的实际色彩对比关系与目标对比关系的一致性来判断样本图像是否已合格，进而对轮廓填充度不足的区域进行调节，最后生成一副LAB图像，为后续进行组织结构分析做基础。
实施例11
在实施例9的基础上，所述的一种基于LAB色彩空间匹配的染色归一化方法，还包括：
当不同医疗机构对同一病理切片进行染色时，分别采集第一医疗机构对应的第一病理图像以及第二医疗机构对应的第二病理图像；
分别将所述第一病理图像和第二病理图像输入到所述预设LAB色彩空间中，在所述LAB色彩空间中分别将所述第一病理图像在A通道的第一色彩分布与所述第二病理图像在A通道的第二色彩分布进行匹配、将所述第一病理图像在B通道的第三色彩分布与所述第二病理图像在B通道的第四色彩分布进行匹配，得到第一匹配比例，
以及将所述第二病理图像在A通道的第五色彩分布与所述第一病理图像在A通道的第六色彩分布进行匹配、将所述第二病理图像在B通道的第七色彩分布与所述第一病理图像在B通道的第八色彩分布进行匹配得到第二匹配比例；
当所述第一匹配比例和第二匹配比例一致时，确定所述第一病理图像与第二病理图像表达了同一病理图像；
建立所述第一病理图像对应的第一亮度直方图，以及所述第二病理图像对应的第二亮度直方图；
根据公式(1)将所述第一病理图像的第一亮度直方图与第二病理图像的第二亮度直方图进行对齐；
其中，gamma表示伽马函数，此处的fgamma(L)＝Lγ，ps表示第一病理图像的第一亮度直方图，pt表示第二病理图像的第二亮度直方图，L表示亮度值，γ表示欧拉-马歇若尼常数；
当所述公式(1)的计算结果与1的偏离度大于预设偏离度时，根据公式(2)修正γ；
其中，γ*表示欧拉-马歇若尼常数的纠正数，argmin表示取 的最小值变量的计算符号，β表示正则系数，此处的取值为0.01；
利用公式(2)的计算结果对所述γ进行修正再进行亮度对齐，生成归一图像，传输到指定终端进行显示。
该实例中，生成的归一图像如图6所示。
上述技术方案的工作原理以及有益效果：为了扩大归一化系统的功能，当两个不同的医疗机构对同一病理切片进行染色后，先根据两幅图像在LAB色彩空间中的匹配比例来判断其有效性，然后根据公式将两幅图像进行亮度对齐，生成一副归一图像方便后续进行图像解析工作。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于LAB色彩空间匹配的染色归一化系统，其特征在于，包括：
图像采集模块，用于采集病理切片的彩色图像；
图像分析模块，用于解析彩色图像，得到所述病理切片的色彩分布信息以及不同色彩之间的对比度；
图像训练模块，用于将所述彩色图像输入到预设LAB色彩空间内，结合所述色彩分布信息和不同色彩之间的对比度将彩色图像与预设染色标准进行色彩调节得到LAB图像；
图像整理模块，用于获取所述LAB图像的LAB分布信息，得到所述病理切片的组织染色结果并传输到指定终端进行显示。
2.如权利要求1所述的一种基于LAB色彩空间匹配的染色归一化系统，其特征在于，所述图像采集模块，包括：
第一采集单元，用于采集所述病理切片的第一图像；
第二采集单元，用于采集所述病理切片的第二图像；
图像融合单元，用于第一采集单元的第一光线强度以及第二采集单元的第二光线强度，根据所述第一光线强度和第二光线强度分别对所述第一图像和第二图像进行光强修正，将修正后的第一图像和第二图像进行相互适应训练，得到彩色图像。
3.如权利要求1所述的一种基于LAB色彩空间匹配的染色归一化系统，其特征在于，所述图像分析模块，包括：
图像采样单元，用于对所述彩色图像进行上采样并记录采样比例，得到采样图像；
像素分类单元，用于获取所述采样图像上每一列像素点对应的列像素值集，以及每一行像素点对应的行像素值集，分别将同一列像素值集中像素值相同的列像素点记作第一相同点，以及分别将同一行像素值集中像素值相同的行像素点记作第二相同点；
轮廓分析单元，用于根据所述第一相同点和第二相同点建立同像素值区域，得到所述采样图像的像素轮廓；
信息确立单元，用于基于所述像素轮廓结合所述采样比例，生成所述彩色图像的色彩轮廓，建立色彩分布信息，以及比较所述彩色图像上任意两个色彩轮廓，得到不同色彩之间的对比度。
4.如权利要求1所述的一种基于LAB色彩空间匹配的染色归一化系统，其特征在于，所述图像训练模块，包括：
图像解析单元，用于将所述彩色图像输入到预设LAB色彩空间中，同时根据所述色彩分布信息建立图像色彩轮廓样本；
图像输出单元，用于获取所述色彩图像上每一像素点在所述LAB色彩空间中对应的显示色彩，建立色彩转换关系，并将所述显示色彩输入到所述图像色彩轮廓样本上，得到样本图像；
图像检查单元，用于根据所述色彩转换关系，结合彩色图像上不同色彩之间的对比度得到样本图像上不同显示色彩之间的目标色彩对比关系，获取所述样本图像中不同色彩之间的实际色彩对比关系；
图像调节单元，用于当所述实际色彩对比关系与目标色彩对比关系不一致时，在获取所述样本图像上不同显示色彩对应的色彩轮廓，提取色彩轮廓填充度小于预设填充度的目标色彩轮廓，利用所述预设染色标准调节所述目标色彩轮廓对应的目标显示色彩，生成LAB图像。
5.如权利要求1所述的一种基于LAB色彩空间匹配的染色归一化系统，其特征在于，所述图像整理模块，包括：
信息处理单元，用于解析所述LAB图像，得到每一LAB像素点对应的像素亮度以及每一LAB像素点从绿色到红色的第一色彩分量，和每一LAB像素点从蓝色到黄色的第二色彩分量，建立LAB分布信息；
亮度分析单元，用于根据每一LAB像素点对应的像素亮度将所述LAB像素点划分为第一亮度类、第二亮度类以及第三亮度类，在预设亮度-参数列表中查找每一亮度类对应的亮度参数，根据所述亮度参数矫正对应LAB像素点的第一色彩分量和第二色彩分量，建立每一LAB像素点对应的色彩特征信息；
切片分析单元，用于将所述色彩特征信息标记在所述LAB图像上，得到不同色彩特征信息对应的标记轮廓特征，得到所述病理切片上不同组织对应的染色结果，将染色结果一一传输到指定终端进行显示。
6.如权利要求4所述的一种基于LAB色彩空间匹配的染色归一化系统，其特征在于，所述图像输出单元，包括：
色彩分析子单元，用于获取所述色彩图像中每一像素点分别在所述预设LAB色彩空间的A通道和B通道的第一输出色彩和第二输出色彩；
亮度分析子单元，用于获取所述色彩图像中每一像素点分别在所述预设LAB色彩空间的L通道的输出亮度；
信息处理子单元，用于基于所述第一输出色彩对应的第一数据量以及第二输出色彩对应的第二数据量，结合每一像素点对应的输出亮度建立色彩融合系数，利用所述色彩融合系数分别对每一像素点进行融合，获取每一像素点对应的融合结果，建立色彩转换关系；
色彩填充子单元，用于根据所述色彩转换关系得到每一显示色彩与像素点之间的转换信息，将所述显示色彩分别输入到图像色彩轮廓样本对应轮廓内，得到样本图像。
7.如权利要求4所述的一种基于LAB色彩空间匹配的染色归一化系统，其特征在于，所述图像训练模块，还用于：
当所述实际色彩对比关系与目标色彩对比关系一致时，将所述样本图像记作LAB图像。
8.如权利要求3所述的一种基于LAB色彩空间匹配的染色归一化系统，其特征在于，所述图像分析模块，还用于：
当所述色彩分布信息中所包含的色彩数量小于预设色彩数量时，确定所述彩色图像失效，生成补拍建议，传输到指定终端进行显示。
9.一种基于LAB色彩空间匹配的染色归一化方法，其特征在于，包括：
步骤1：采集病理切片的彩色图像；
步骤2：解析彩色图像，得到所述病理切片的色彩分布信息以及不同色彩之间的对比度；
步骤3：将所述彩色图像输入到预设LAB色彩空间内，结合所述色彩分布信息和不同色彩之间的对比度将彩色图像与预设染色标准进行色彩调节得到LAB图像；
步骤4：获取所述LAB图像的LAB分布信息，得到所述病理切片的组织染色结果并传输到指定终端进行显示。
10.如权利要求9所述的一种基于LAB色彩空间匹配的染色归一化方法，其特征在于，所述步骤3，包括：
步骤31：将所述彩色图像输入到预设LAB色彩空间中，同时根据所述色彩分布信息建立图像色彩轮廓样本；
步骤32：获取所述色彩图像上每一像素点在所述LAB色彩空间中对应的显示色彩，建立色彩转换关系，并将所述显示色彩输入到所述图像色彩轮廓样本上，得到样本图像；
步骤33：根据所述色彩转换关系，结合彩色图像上不同色彩之间的对比度得到样本图像上不同显示色彩之间的目标色彩对比关系，获取所述样本图像中不同色彩之间的实际色彩对比关系；
步骤34：当所述实际色彩对比关系与目标色彩对比关系不一致时，在获取所述样本图像上不同显示色彩对应的色彩轮廓，提取色彩轮廓填充度小于预设填充度的目标色彩轮廓，利用所述预设染色标准调节所述目标色彩轮廓对应的目标显示色彩，生成LAB图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310860530.2A CN117058014B (zh) | 2023-07-14 | 2023-07-14 | 一种基于lab色彩空间匹配的染色归一化系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310860530.2A CN117058014B (zh) | 2023-07-14 | 2023-07-14 | 一种基于lab色彩空间匹配的染色归一化系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117058014A true CN117058014A (zh) | 2023-11-14 |
| CN117058014B CN117058014B (zh) | 2024-03-29 |
Family
ID=88668192
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310860530.2A Active CN117058014B (zh) | 2023-07-14 | 2023-07-14 | 一种基于lab色彩空间匹配的染色归一化系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117058014B (zh) |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101911112A (zh) * | 2007-12-25 | 2010-12-08 | 日本电气株式会社 | 图像处理装置,图像处理方法,图像扩展装置,图像压缩装置,图像传输系统及存储介质 |
| CN102184420A (zh) * | 2011-04-18 | 2011-09-14 | 四川大学 | 一种免疫组化数字图像处理方法 |
| CN107492086A (zh) * | 2017-09-20 | 2017-12-19 | 华中科技大学 | 一种图像的融合方法和融合系统 |
| CN107563977A (zh) * | 2017-08-28 | 2018-01-09 | 维沃移动通信有限公司 | 一种图像处理方法、移动终端及计算机可读存储介质 |
| CN109544529A (zh) * | 2018-11-19 | 2019-03-29 | 南京信息工程大学 | 面向深度学习模型训练和学习的病理图像数据增强方法 |
| CN109584254A (zh) * | 2019-01-07 | 2019-04-05 | 浙江大学 | 一种基于深层全卷积神经网络的心脏左心室分割方法 |
| CN110612722A (zh) * | 2017-05-10 | 2019-12-24 | 西斯维尔科技有限公司 | 对数字光场图像编码和解码的方法和设备 |
| CN111028923A (zh) * | 2019-10-18 | 2020-04-17 | 平安科技（深圳）有限公司 | 数字病理图像染色归一化方法、电子装置及存储介质 |
| CN112733044A (zh) * | 2021-03-30 | 2021-04-30 | 腾讯科技（深圳）有限公司 | 推荐图像处理方法、装置、设备及计算机可读存储介质 |
| CN113034462A (zh) * | 2021-03-22 | 2021-06-25 | 福州大学 | 基于图卷积的胃癌病理切片图像的处理方法及系统 |
| CN113870369A (zh) * | 2021-09-30 | 2021-12-31 | 山东云旗信息科技有限公司 | 一种病理切片图像染色归一化方法及系统 |
| WO2022110396A1 (zh) * | 2020-11-30 | 2022-06-02 | 广州金域医学检验中心有限公司 | 数字病理切片目标区域的识别方法、系统、设备及介质 |
| CN114937032A (zh) * | 2022-06-28 | 2022-08-23 | 山东省计算中心（国家超级计算济南中心） | 基于染色分离的病理切片颜色相关质量评估方法 |
| CN115032196A (zh) * | 2022-08-11 | 2022-09-09 | 中国科学院西安光学精密机械研究所 | 一种全划片高通量彩色病理成像分析仪器及方法 |
| CN115239943A (zh) * | 2022-09-23 | 2022-10-25 | 杭州医策科技有限公司 | 图像矫正模型的训练方法及切片图像的色彩矫正方法 |
| US20220351379A1 (en) * | 2020-01-19 | 2022-11-03 | Ventana Medical Systems, Inc. | Non-tumor segmentation to support tumor detection and analysis |
| CN115588055A (zh) * | 2022-10-12 | 2023-01-10 | 中南大学 | 数字病理图像的色彩标准化方法及系统 |
| CN116188423A (zh) * | 2023-02-22 | 2023-05-30 | 哈尔滨工业大学 | 基于病理切片高光谱图像的超像素稀疏解混检测方法 |
| CN116342385A (zh) * | 2023-02-09 | 2023-06-27 | 清华大学 | 文本图像超分辨率网络的训练方法、装置以及存储介质 |
-
2023
- 2023-07-14 CN CN202310860530.2A patent/CN117058014B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101911112A (zh) * | 2007-12-25 | 2010-12-08 | 日本电气株式会社 | 图像处理装置,图像处理方法,图像扩展装置,图像压缩装置,图像传输系统及存储介质 |
| CN102184420A (zh) * | 2011-04-18 | 2011-09-14 | 四川大学 | 一种免疫组化数字图像处理方法 |
| CN110612722A (zh) * | 2017-05-10 | 2019-12-24 | 西斯维尔科技有限公司 | 对数字光场图像编码和解码的方法和设备 |
| CN107563977A (zh) * | 2017-08-28 | 2018-01-09 | 维沃移动通信有限公司 | 一种图像处理方法、移动终端及计算机可读存储介质 |
| CN107492086A (zh) * | 2017-09-20 | 2017-12-19 | 华中科技大学 | 一种图像的融合方法和融合系统 |
| CN109544529A (zh) * | 2018-11-19 | 2019-03-29 | 南京信息工程大学 | 面向深度学习模型训练和学习的病理图像数据增强方法 |
| CN109584254A (zh) * | 2019-01-07 | 2019-04-05 | 浙江大学 | 一种基于深层全卷积神经网络的心脏左心室分割方法 |
| CN111028923A (zh) * | 2019-10-18 | 2020-04-17 | 平安科技（深圳）有限公司 | 数字病理图像染色归一化方法、电子装置及存储介质 |
| US20220351379A1 (en) * | 2020-01-19 | 2022-11-03 | Ventana Medical Systems, Inc. | Non-tumor segmentation to support tumor detection and analysis |
| WO2022110396A1 (zh) * | 2020-11-30 | 2022-06-02 | 广州金域医学检验中心有限公司 | 数字病理切片目标区域的识别方法、系统、设备及介质 |
| CN113034462A (zh) * | 2021-03-22 | 2021-06-25 | 福州大学 | 基于图卷积的胃癌病理切片图像的处理方法及系统 |
| CN112733044A (zh) * | 2021-03-30 | 2021-04-30 | 腾讯科技（深圳）有限公司 | 推荐图像处理方法、装置、设备及计算机可读存储介质 |
| CN113870369A (zh) * | 2021-09-30 | 2021-12-31 | 山东云旗信息科技有限公司 | 一种病理切片图像染色归一化方法及系统 |
| CN114937032A (zh) * | 2022-06-28 | 2022-08-23 | 山东省计算中心（国家超级计算济南中心） | 基于染色分离的病理切片颜色相关质量评估方法 |
| CN115032196A (zh) * | 2022-08-11 | 2022-09-09 | 中国科学院西安光学精密机械研究所 | 一种全划片高通量彩色病理成像分析仪器及方法 |
| CN115239943A (zh) * | 2022-09-23 | 2022-10-25 | 杭州医策科技有限公司 | 图像矫正模型的训练方法及切片图像的色彩矫正方法 |
| CN115588055A (zh) * | 2022-10-12 | 2023-01-10 | 中南大学 | 数字病理图像的色彩标准化方法及系统 |
| CN116342385A (zh) * | 2023-02-09 | 2023-06-27 | 清华大学 | 文本图像超分辨率网络的训练方法、装置以及存储介质 |
| CN116188423A (zh) * | 2023-02-22 | 2023-05-30 | 哈尔滨工业大学 | 基于病理切片高光谱图像的超像素稀疏解混检测方法 |
Non-Patent Citations (4)
| Title |
|---|
| ALLISON TAM 等: "A method for normalizing pathology images to improve feature extraction for quantitative pathology", 《MEDICAL PHYSICS》, pages 528 - 537 * |
| 徐鑫: "红外图像拼接技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 138 - 978 * |
| 李永婕 等: "基于视觉显著性的地域色彩提取及设计应用", 《包装工程》, pages 219 - 225 * |
| 郭威 等: "胃癌病理切片特异细胞自动识别的激光显微切割方法研究", 《2022中国自动化大会论文集》, pages 1 - 8 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117058014B (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE60316113T2 (de) | Verfahren für quantitative video-mikroskopie und vorrichtung und computerprogramm zur durchführung des verfahrens | |
| DE60226043T2 (de) | Verfahren für quantitative video-mikroskopie und vorrichtung und programm zur durchführung des verfahrens | |
| JP6086949B2 (ja) | 色原体分離に基づく画像解析の方法 | |
| US20190129157A1 (en) | Auto-Focus Methods and Systems for Multi-Spectral Imaging | |
| JP7217589B2 (ja) | 画像解析方法、画像解析装置、プログラム、学習済み深層学習アルゴリズムの製造方法および学習済み深層学習アルゴリズム | |
| AU2002334590A1 (en) | Method quantitative video-microscopy and associated system and computer software program product | |
| AU2003236675A1 (en) | Method for quantitative video-microscopy and associated system and computer software program product | |
| US9607372B2 (en) | Automated bone marrow cellularity determination | |
| CN110736748A (zh) | 免疫组化核浆染色切片诊断方法及系统 | |
| CN107492086B (zh) | 一种图像的融合方法和融合系统 | |
| KR20200100062A (ko) | 조직학적 이미지 분석 | |
| CN113470041B (zh) | 免疫组化细胞图像细胞核分割与计数方法和系统 | |
| CN114708229A (zh) | 一种病理切片数字图像的全层次分析系统 | |
| CN113724235B (zh) | 镜下环境改变条件时半自动化的Ki67/ER/PR阴性、阳性细胞计数系统及方法 | |
| CN117058014B (zh) | 一种基于lab色彩空间匹配的染色归一化系统及方法 | |
| CN116883323A (zh) | 一种基于计算机视觉的多重免疫荧光图像分析系统 | |
| CN115565698A (zh) | 一种人工智能评估供肾质量的方法及系统 | |
| US20210174147A1 (en) | Operating method of image processing apparatus, image processing apparatus, and computer-readable recording medium | |
| CN111007020B (zh) | 双帧四光谱成像方法及应用 | |
| JPWO2018131091A1 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
| US9122904B2 (en) | Method for optimization of quantitative video-microscopy and associated system | |
| KR102613961B1 (ko) | 골수가 도말된 슬라이드 샘플 이미지의 셀 존 결정 방법 및 셀 존의 고배율 촬상 방법 | |
| US11238268B2 (en) | Image processing device, image processing method, and pathological diagnosis assistance system using same | |
| CN117221505A (zh) | 基于深度学习的数字显微镜白平衡校正方法及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |