CN117115183B - 一种基于数字病理图像可视区域的截取方法及系统 - Google Patents

一种基于数字病理图像可视区域的截取方法及系统 Download PDF

Info

Publication number
CN117115183B
CN117115183B CN202311125203.9A CN202311125203A CN117115183B CN 117115183 B CN117115183 B CN 117115183B CN 202311125203 A CN202311125203 A CN 202311125203A CN 117115183 B CN117115183 B CN 117115183B
Authority
CN
China
Prior art keywords
image
display
visual
area
elements
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
Application number
CN202311125203.9A
Other languages
English (en)
Other versions
CN117115183A (zh
Inventor
王书浩
牛鹏
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.)
Beijing Thorough Future Technology Co ltd
Original Assignee
Beijing Thorough Future 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 Beijing Thorough Future Technology Co ltd filed Critical Beijing Thorough Future Technology Co ltd
Priority to CN202311125203.9A priority Critical patent/CN117115183B/zh
Publication of CN117115183A publication Critical patent/CN117115183A/zh
Application granted granted Critical
Publication of CN117115183B publication Critical patent/CN117115183B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Controls And Circuits For Display Device (AREA)

Abstract

本发明公开了一种基于数字病理图像可视区域的截取方法及系统，其方法包括：确定目标数字病理图像的图像边界并基于所述图像边界设置可视化区域展示界限；获取用户对于目标数字病理图像中的感兴趣区域图像，对所述感兴趣区域图像进行检测、定位和切割，截取切割后的感兴趣区域图像中的所有元素以及当前元素显示比例；基于感兴趣区域图像的当前图像大小和可视化区域展示界限的比例关系根据当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例；将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中。可以局限于对病理图像的某个区域窗口的图像进行针对性处理，降低了计算量。

Description

一种基于数字病理图像可视区域的截取方法及系统
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于数字病理图像可视区域的截取方法及系统。
背景技术
目前，数字病理学是一门应用领域十分广泛的医学领域，它通过数字化技术来处理和分析病理学样本，使得病理学研究能够更加方便和高效。数字病理学中最基本的操作就是浏览和查看数字病理切片图像。在数字病理学领域，数字病理图像是一种高分辨率的图像，它们通常非常大，需要通过特殊的软件才能进行处理和浏览。
在数字病理学领域，有许多不同的图像浏览软件，它们通常采用一些预加载技术来提高图像的访问速度。其中一种常见的技术是将数字病理图像分割成多个小块，即瓦片图像，然后在用户查看图像时动态加载需要的瓦片图像。这种技术可以大大降低网络带宽和计算机存储空间的需求，提高数字病理图像的浏览效率。然而，在使用这种预加载技术的过程中，我们往往需要对数字病理图像的可视区域进行截取和预加载，以保证用户能够快速获得所需的图像信息。因此，基于数字病理图像可视区域的截取方法成为数字病理学领域的一个研究热点。现有的方法通常是采用基于滑动窗口的方法，其将整张数字病理图像划分为若干个大小相等的窗口，然后逐个窗口地进行处理。该方法的优点是操作简单，适用于大多数数字病理图像；缺点是需要对整张图像进行逐个窗口的处理，计算量大，且无法有效处理图像中不规则的形状和大小差异较大的区域，降低了工作效率和实用性。
发明内容
针对上述所显示出来的问题，本发明提供了一种基于数字病理图像可视区域的截取方法及系统用以解决背景技术中提到的基于滑动窗口的方法需要对整张图像进行逐个窗口的处理，计算量大，且无法有效处理图像中不规则的形状和大小差异较大的区域，降低了工作效率和实用性的问题。
一种基于数字病理图像可视区域的截取方法，包括以下步骤：
确定目标数字病理图像的图像边界并基于所述图像边界设置可视化区域展示界限；
获取用户对于目标数字病理图像中的感兴趣区域图像，对所述感兴趣区域图像进行检测、定位和切割，截取切割后的感兴趣区域图像中的所有元素以及当前元素显示比例；
基于感兴趣区域图像的当前图像大小和可视化区域展示界限的比例关系根据当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例；
将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中。
优选的，所述确定目标数字病理图像的图像边界并基于所述图像边界设置可视化区域展示界限，包括：
通过预设图像浏览软件加载所述目标数字病理图像，根据加载结果选择清晰度最高的目标加载图像；
确定所述目标加载图像的图像边界作为目标数字病理图像的图像边界；
将目标数字病理图像四个方向的图像边界按照预设比例扩散，连接扩散线生成多个扩散图形；
在每个扩散图形内进行图像渲染，根据映射图像纹理参数确定每个扩散图形的视觉效果，选择视觉效果最好的目标扩散图形，根据目标扩散图形的面积参数设置可视化区域展示界限。
优选的，所述获取用户对于目标数字病理图像中的感兴趣区域图像，对所述感兴趣区域图像进行检测、定位和切割，截取切割后的感兴趣区域图像中的所有元素以及当前元素显示比例，包括：
根据用户的视角专注点分布确定用户对于目标数字病理图像中的感兴趣区域图像；
使用深度学习算法对所述感兴趣区域图像中包含图像元素的可视区域进行检测和定位；
获取所述可视区域的边缘特征，基于所述边缘特征对感兴趣区域图像的可视区域进行切割，获取截取后的可视区域，扫描截取后的可视区域中的像素元素以及每个像素元素关联像素点的水平像素值和垂直像素值；
根据每个像素元素关联像素点的水平像素值和垂直像素值计算出每个像素元素的每个关联像素点的分辨率，根据每个像素元素的每个关联像素点的分辨率确定该像素元素的当前元素显示比例。
优选的，所述基于感兴趣区域图像的当前图像大小和可视化区域展示界限的比例关系根据当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例，包括：
根据可视化区域的展示界限绘制可视化区域的区域图形，计算所述区域图形的第一图形面积；
根据感兴趣区域图像的当前图像大小获取第二图形面积，计算第一图像面积和第二图像面积的比例关系；
根据所述比例关系结合当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例。
优选的，所述将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中，包括：
根据所述目标元素显示比例却确定所有元素在可视化图像展示区域的显示分辨率；
根据所有元素在可视化图像展示区域的显示分辨率设置可视化图像展示区域的像素点的分辨率参数；
设置完毕后，将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中；
调整可视化图像展示区域的显示参数以使其符合分析需求。
一种基于数字病理图像可视区域的截取系统，该系统包括：
设置模块，用于确定目标数字病理图像的图像边界并基于所述图像边界设置可视化区域展示界限；
截取模块，用于获取用户对于目标数字病理图像中的感兴趣区域图像，对所述感兴趣区域图像进行检测、定位和切割，截取切割后的感兴趣区域图像中的所有元素以及当前元素显示比例；
确定模块，用于基于感兴趣区域图像的当前图像大小和可视化区域展示界限的比例关系根据当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例；
显示模块，用于将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中。
优选的，所述设置模块，包括：
选择子模块，用于通过预设图像浏览软件加载所述目标数字病理图像，根据加载结果选择清晰度最高的目标加载图像；
第一确定子模块，用于确定所述目标加载图像的图像边界作为目标数字病理图像的图像边界；
生成子模块，用于将目标数字病理图像四个方向的图像边界按照预设比例扩散，连接扩散线生成多个扩散图形；
第一设置子模块，用于在每个扩散图形内进行图像渲染，根据映射图像纹理参数确定每个扩散图形的视觉效果，选择视觉效果最好的目标扩散图形，根据目标扩散图形的面积参数设置可视化区域展示界限。
优选的，所述截取模块，包括：
第二确定子模块，用于根据用户的视角专注点分布确定用户对于目标数字病理图像中的感兴趣区域图像；
定位子模块，用于使用深度学习算法对所述感兴趣区域图像中包含图像元素的可视区域进行检测和定位；
切割子模块，用于获取所述可视区域的边缘特征，基于所述边缘特征对感兴趣区域图像的可视区域进行切割，获取截取后的可视区域，扫描截取后的可视区域中的像素元素以及每个像素元素关联像素点的水平像素值和垂直像素值；
第三确定子模块，用于根据每个像素元素关联像素点的水平像素值和垂直像素值计算出每个像素元素的每个关联像素点的分辨率，根据每个像素元素的每个关联像素点的分辨率确定该像素元素的当前元素显示比例。
优选的，所述确定模块，包括：
第一计算子模块，用于根据可视化区域的展示界限绘制可视化区域的区域图形，计算所述区域图形的第一图形面积；
第二计算子模块，用于根据感兴趣区域图像的当前图像大小获取第二图形面积，计算第一图像面积和第二图像面积的比例关系；
第三计算子模块，用于根据所述比例关系结合当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例。
优选的，所述显示模块，包括：
第四确定子模块，用于根据所述目标元素显示比例却确定所有元素在可视化图像展示区域的显示分辨率；
第二设置子模块，用于根据所有元素在可视化图像展示区域的显示分辨率设置可视化图像展示区域的像素点的分辨率参数；
显示子模块，用于设置完毕后，将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中；
调整子模块，用于调整可视化图像展示区域的显示参数以使其符合分析需求。
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。
图1为本发明所提供的一种基于数字病理图像可视区域的截取方法的工作流程图；
图2为本发明所提供的一种基于数字病理图像可视区域的截取方法的另一工作流程图；
图3为本发明所提供的一种基于数字病理图像可视区域的截取系统的结构示意图；
图4为本发明所提供的一种基于数字病理图像可视区域的截取系统中设置模块的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
目前，数字病理学是一门应用领域十分广泛的医学领域，它通过数字化技术来处理和分析病理学样本，使得病理学研究能够更加方便和高效。数字病理学中最基本的操作就是浏览和查看数字病理切片图像。在数字病理学领域，数字病理图像是一种高分辨率的图像，它们通常非常大，需要通过特殊的软件才能进行处理和浏览。
在数字病理学领域，有许多不同的图像浏览软件，它们通常采用一些预加载技术来提高图像的访问速度。其中一种常见的技术是将数字病理图像分割成多个小块，即瓦片图像，然后在用户查看图像时动态加载需要的瓦片图像。这种技术可以大大降低网络带宽和计算机存储空间的需求，提高数字病理图像的浏览效率。然而，在使用这种预加载技术的过程中，我们往往需要对数字病理图像的可视区域进行截取和预加载，以保证用户能够快速获得所需的图像信息。因此，基于数字病理图像可视区域的截取方法成为数字病理学领域的一个研究热点。现有的方法通常是采用基于滑动窗口的方法，其将整张数字病理图像划分为若干个大小相等的窗口，然后逐个窗口地进行处理。该方法的优点是操作简单，适用于大多数数字病理图像；缺点是需要对整张图像进行逐个窗口的处理，计算量大，且无法有效处理图像中不规则的形状和大小差异较大的区域，降低了工作效率和实用性。为了解决上述问题，本实施例公开了一种基于数字病理图像可视区域的截取方法。
一种基于数字病理图像可视区域的截取方法，如图1所示，包括以下步骤：
步骤S101、确定目标数字病理图像的图像边界并基于所述图像边界设置可视化区域展示界限；
步骤S102、获取用户对于目标数字病理图像中的感兴趣区域图像，对所述感兴趣区域图像进行检测、定位和切割，截取切割后的感兴趣区域图像中的所有元素以及当前元素显示比例；
步骤S103、基于感兴趣区域图像的当前图像大小和可视化区域展示界限的比例关系根据当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例；
步骤S104、将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中。
在本实施例中，图像边界表示为目标数字病理图像四个边的边界；
在本实施例中，可视化区域展示界限标识为对于目标数字病理图像进行可视化展示的区域边界的界限标识；
在本实施例中，目标元素显示比例表示为所有元素在可视化图像展示区域中进行展示的视觉显示比例。
上述技术方案的工作原理为：确定目标数字病理图像的图像边界并基于所述图像边界设置可视化区域展示界限；获取用户对于目标数字病理图像中的感兴趣区域图像，对所述感兴趣区域图像进行检测、定位和切割，截取切割后的感兴趣区域图像中的所有元素以及当前元素显示比例；基于感兴趣区域图像的当前图像大小和可视化区域展示界限的比例关系根据当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例；将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中。
上述技术方案的有益效果为：通过确定用户在目标数字病理图像中的感兴趣区域进而对其进行截取从而在预设可视化区域中进行显示可以局限于对病理图像的某个区域窗口的图像进行针对性处理，降低了计算量，同时，通过提取元素的方式可以有效地处理图像中不规则的形状和大小差异较大的区域，保证了整体处理性，提高了工作效率和实用性，解决了现有技术中基于滑动窗口的方法需要对整张图像进行逐个窗口的处理，计算量大，且无法有效处理图像中不规则的形状和大小差异较大的区域，降低了工作效率和实用性的问题。
在本实施例中，在将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中后，还包括：
获取每个元素的视觉属性，根据各个元素的视觉属性之间的重叠关系确定单项视觉元素和复合视觉元素；
根据单项视觉元素和复合视觉元素的划分元素设定单项视觉元素组和复合视觉元素组；
分别获取单项视觉元素组和复合视觉元素组各自划分元素的元素属性，根据元素属性确定每个划分元素的显示限制条件；
基于每个划分元素的显示限制条件配置该划分元素的最佳显示背景参数；
将每个划分元素的最佳显示背景参数进行对比，获取对比结果，根据对比结果确定每个划分元素在其他划分元素显示背景上的视觉状态差变参数；
根据每个划分元素在其他划分元素显示背景上的视觉状态差变参数确定该划分元素在其他划分元素显示背景上的显示属性差值；
根据每个划分元素在其他划分元素显示背景上的显示属性差值配置每个划分元素的窗口显示策略；
基于每个划分元素的窗口显示策略和该划分元素在可视化图像展示区域中的窗口边界配置每个划分元素的显示状态参数；
根据每个划分元素的显示状态参数配置该划分元素在可视化图像展示区域中的显示区域像素值。
在本实施例中，视觉属性表示为每个元素在视觉观感方面的亮度和颜色属性；
在本实施例中，重叠关系表示为各个元素的视觉属性之间的亮度或者颜色在视觉观感上的重叠关系；
在本实施例中，单项视觉元素表示为独立亮度和独立观感颜色的视觉元素；
在本实施例中，复合视觉元素表示为与其他元素存在视觉颜色和亮度重合的视觉元素；
在本实施例中，元素属性表示为元素在进行显示时的显示属性；
在本实施例中，显示限制条件表示为每个划分元素在显示时的环境和像素以及分辨率等限制条件；
在本实施例中，最佳显示背景参数表示为每个划分元素在进行显示时的最佳显示区域的背景设置参数；
在本实施例中，视觉状态差变参数表示为每个划分元素与其他划分元素上的叠加显示时的视觉状态与自身独立显示的视觉状态的状态差变参数；
在本实施例中，显示属性差值表示为每个划分元素在其他划分元素上显示背景上的显示属性差异值；
在本实施例中，窗口显示策略表示为每个划分元素在其显示窗口内的显示策略；
在本实施例中，显示状态参数表示为每个划分元素在其显示窗口内的像素状态参数。
上述技术方案的有益效果为：可以保证每个元素在可视化图像展示区域中的显示效果，为医生进行决策提供了参考条件，提高了数据质量和医生的体验感，同时也提高了实用性。
在一个实施例中，所述确定目标数字病理图像的图像边界并基于所述图像边界设置可视化区域展示界限，包括：
通过预设图像浏览软件加载所述目标数字病理图像，根据加载结果选择清晰度最高的目标加载图像；
确定所述目标加载图像的图像边界作为目标数字病理图像的图像边界；
将目标数字病理图像四个方向的图像边界按照预设比例扩散，连接扩散线生成多个扩散图形；
在每个扩散图形内进行图像渲染，根据映射图像纹理参数确定每个扩散图形的视觉效果，选择视觉效果最好的目标扩散图形，根据目标扩散图形的面积参数设置可视化区域展示界限。
在本实施例中，预设比例可以为1:1.5或者1:2；
在本实施例中，映射图像纹理参数表示为在每个扩散图像内进行映射的图像的图显纹理参数；
在本实施例中，面积参数表示为目标扩散图像的图像面积等参数。
上述技术方案的有益效果为：通过选择清晰度最高的目标加载图像可以保证目标数字病理图像的显示清晰度，为后续进行区域图像截取奠定了条件，提高了实用性，进一步地，通过在多个扩散图形中选择视觉效果最佳的扩散图形的四个边参数设置可视化区域展示界限既可以保证用户的视觉观感效果同时还可以生成规则的区域展示界限，保证显示图像的质量。
在一个实施例中，如图2所示，所述获取用户对于目标数字病理图像中的感兴趣区域图像，对所述感兴趣区域图像进行检测、定位和切割，截取切割后的感兴趣区域图像中的所有元素以及当前元素显示比例，包括：
步骤S201、根据用户的视角专注点分布确定用户对于目标数字病理图像中的感兴趣区域图像；
步骤S202、使用深度学习算法对所述感兴趣区域图像中包含图像元素的可视区域进行检测和定位；
步骤S203、获取所述可视区域的边缘特征，基于所述边缘特征对感兴趣区域图像的可视区域进行切割，获取截取后的可视区域，扫描截取后的可视区域中的像素元素以及每个像素元素关联像素点的水平像素值和垂直像素值；
步骤S204、根据每个像素元素关联像素点的水平像素值和垂直像素值计算出每个像素元素的每个关联像素点的分辨率，根据每个像素元素的每个关联像素点的分辨率确定该像素元素的当前元素显示比例。
上述技术方案的有益效果为：通过基于边缘特征进行感兴趣区域图像的可视区域的截取可以保证截取后的图像的合理性和可靠性，进一步地，通过根据图像分辨率可以快速精确地确定每个像素元素在可视区域中的显示比例，提高了数据精度。
在一个实施例中，所述基于感兴趣区域图像的当前图像大小和可视化区域展示界限的比例关系根据当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例，包括：
根据可视化区域的展示界限绘制可视化区域的区域图形，计算所述区域图形的第一图形面积；
根据感兴趣区域图像的当前图像大小获取第二图形面积，计算第一图像面积和第二图像面积的比例关系；
根据所述比例关系结合当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例。
上述技术方案的有益效果为：通过根据图形面积的比例来同步确定元素显示比例的比例关系可以在不影响图像自身显示参数的情况下对其实现等比例放大，保证了图像的显示稳定性和精度。
在一个实施例中，所述将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中，包括：
根据所述目标元素显示比例却确定所有元素在可视化图像展示区域的显示分辨率；
根据所有元素在可视化图像展示区域的显示分辨率设置可视化图像展示区域的像素点的分辨率参数；
设置完毕后，将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中；
调整可视化图像展示区域的显示参数以使其符合分析需求。
上述技术方案的有益效果为：通过设置分辨率参数可以使得所有元素按照目标元素显示比例稳定地在可视化图像展示区域中进行显示，提高了实用性和稳定性，进一步地，通过对显示参数进行自适应调节可以保证用户对于区域图像进行分析时满足其基本的分析需求，进一步地提高了实用性和用户的体验感。
在一个实施例中，本实施例还公开了一种基于数字病理图像可视区域的截取系统，如图3所示，该系统包括：
设置模块301，用于确定目标数字病理图像的图像边界并基于所述图像边界设置可视化区域展示界限；
截取模块302，用于获取用户对于目标数字病理图像中的感兴趣区域图像，对所述感兴趣区域图像进行检测、定位和切割，截取切割后的感兴趣区域图像中的所有元素以及当前元素显示比例；
确定模块303，用于基于感兴趣区域图像的当前图像大小和可视化区域展示界限的比例关系根据当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例；
显示模块304，用于将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中。
上述技术方案的工作原理为：首先通过设置模块确定目标数字病理图像的图像边界并基于所述图像边界设置可视化区域展示界限；其次利用截取模块获取用户对于目标数字病理图像中的感兴趣区域图像，对所述感兴趣区域图像进行检测、定位和切割，截取切割后的感兴趣区域图像中的所有元素以及当前元素显示比例；然后通过确定模块基于感兴趣区域图像的当前图像大小和可视化区域展示界限的比例关系根据当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例；最后基于显示模块将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中。
上述技术方案的有益效果为：通过确定用户在目标数字病理图像中的感兴趣区域进而对其进行截取从而在预设可视化区域中进行显示可以局限于对病理图像的某个区域窗口的图像进行针对性处理，降低了计算量，同时，通过提取元素的方式可以有效地处理图像中不规则的形状和大小差异较大的区域，保证了整体处理性，提高了工作效率和实用性。
在一个实施例中，如图4所示，所述设置模块301，包括：
选择子模块3011，用于通过预设图像浏览软件加载所述目标数字病理图像，根据加载结果选择清晰度最高的目标加载图像；
第一确定子模块3012，用于确定所述目标加载图像的图像边界作为目标数字病理图像的图像边界；
生成子模块3013，用于将目标数字病理图像四个方向的图像边界按照预设比例扩散，连接扩散线生成多个扩散图形；
第一设置子模块3014，用于在每个扩散图形内进行图像渲染，根据映射图像纹理参数确定每个扩散图形的视觉效果，选择视觉效果最好的目标扩散图形，根据目标扩散图形的面积参数设置可视化区域展示界限。
上述技术方案的有益效果为：通过选择清晰度最高的目标加载图像可以保证目标数字病理图像的显示清晰度，为后续进行区域图像截取奠定了条件，提高了实用性，进一步地，通过在多个扩散图形中选择视觉效果最佳的扩散图形的四个边参数设置可视化区域展示界限既可以保证用户的视觉观感效果同时还可以生成规则的区域展示界限，保证显示图像的质量。
在一个实施例中，所述截取模块，包括：
第二确定子模块，用于根据用户的视角专注点分布确定用户对于目标数字病理图像中的感兴趣区域图像；
定位子模块，用于使用深度学习算法对所述感兴趣区域图像中包含图像元素的可视区域进行检测和定位；
切割子模块，用于获取所述可视区域的边缘特征，基于所述边缘特征对感兴趣区域图像的可视区域进行切割，获取截取后的可视区域，扫描截取后的可视区域中的像素元素以及每个像素元素关联像素点的水平像素值和垂直像素值；
第三确定子模块，用于根据每个像素元素关联像素点的水平像素值和垂直像素值计算出每个像素元素的每个关联像素点的分辨率，根据每个像素元素的每个关联像素点的分辨率确定该像素元素的当前元素显示比例。
上述技术方案的有益效果为：通过基于边缘特征进行感兴趣区域图像的可视区域的截取可以保证截取后的图像的合理性和可靠性，进一步地，通过根据图像分辨率可以快速精确地确定每个像素元素在可视区域中的显示比例，提高了数据精度。
在一个实施例中，所述确定模块，包括：
第一计算子模块，用于根据可视化区域的展示界限绘制可视化区域的区域图形，计算所述区域图形的第一图形面积；
第二计算子模块，用于根据感兴趣区域图像的当前图像大小获取第二图形面积，计算第一图像面积和第二图像面积的比例关系；
第三计算子模块，用于根据所述比例关系结合当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例。
上述技术方案的有益效果为：通过根据图形面积的比例来同步确定元素显示比例的比例关系可以在不影响图像自身显示参数的情况下对其实现等比例放大，保证了图像的显示稳定性和精度。
在一个实施例中，所述显示模块，包括：
第四确定子模块，用于根据所述目标元素显示比例却确定所有元素在可视化图像展示区域的显示分辨率；
第二设置子模块，用于根据所有元素在可视化图像展示区域的显示分辨率设置可视化图像展示区域的像素点的分辨率参数；
显示子模块，用于设置完毕后，将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中；
调整子模块，用于调整可视化图像展示区域的显示参数以使其符合分析需求。
上述技术方案的有益效果为：通过设置分辨率参数可以使得所有元素按照目标元素显示比例稳定地在可视化图像展示区域中进行显示，提高了实用性和稳定性，进一步地，通过对显示参数进行自适应调节可以保证用户对于区域图像进行分析时满足其基本的分析需求，进一步地提高了实用性和用户的体验感。
本领域技术人员应当理解的是，本发明中的第一、第二指的是不同应用阶段而已。
本领域技术用户员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种基于数字病理图像可视区域的截取方法，其特征在于，包括以下步骤：
确定目标数字病理图像的图像边界并基于所述图像边界设置可视化区域展示界限；
获取用户对于目标数字病理图像中的感兴趣区域图像，对所述感兴趣区域图像进行检测、定位和切割，截取切割后的感兴趣区域图像中的所有元素以及当前元素显示比例；
基于感兴趣区域图像的当前图像大小和可视化区域展示界限的比例关系根据当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例；
将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中。
2.根据权利要求1所述基于数字病理图像可视区域的截取方法，其特征在于，所述确定目标数字病理图像的图像边界并基于所述图像边界设置可视化区域展示界限，包括：
通过预设图像浏览软件加载所述目标数字病理图像，根据加载结果选择清晰度最高的目标加载图像；
确定所述目标加载图像的图像边界作为目标数字病理图像的图像边界；
将目标数字病理图像四个方向的图像边界按照预设比例扩散，连接扩散线生成多个扩散图形；
在每个扩散图形内进行图像渲染，根据映射图像纹理参数确定每个扩散图形的视觉效果，选择视觉效果最好的目标扩散图形，根据目标扩散图形的面积参数设置可视化区域展示界限。
3.根据权利要求1所述基于数字病理图像可视区域的截取方法，其特征在于，所述获取用户对于目标数字病理图像中的感兴趣区域图像，对所述感兴趣区域图像进行检测、定位和切割，截取切割后的感兴趣区域图像中的所有元素以及当前元素显示比例，包括：
根据用户的视角专注点分布确定用户对于目标数字病理图像中的感兴趣区域图像；
使用深度学习算法对所述感兴趣区域图像中包含图像元素的可视区域进行检测和定位；
获取所述可视区域的边缘特征，基于所述边缘特征对感兴趣区域图像的可视区域进行切割，获取截取后的可视区域，扫描截取后的可视区域中的像素元素以及每个像素元素关联像素点的水平像素值和垂直像素值；
根据每个像素元素关联像素点的水平像素值和垂直像素值计算出每个像素元素的每个关联像素点的分辨率，根据每个像素元素的每个关联像素点的分辨率确定该像素元素的当前元素显示比例。
4.根据权利要求1所述基于数字病理图像可视区域的截取方法，其特征在于，所述基于感兴趣区域图像的当前图像大小和可视化区域展示界限的比例关系根据当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例，包括：
根据可视化区域的展示界限绘制可视化区域的区域图形，计算所述区域图形的第一图形面积；
根据感兴趣区域图像的当前图像大小获取第二图形面积，计算第一图像面积和第二图像面积的比例关系；
根据所述比例关系结合当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例。
5.根据权利要求1所述基于数字病理图像可视区域的截取方法，其特征在于，所述将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中，包括：
根据所述目标元素显示比例却确定所有元素在可视化图像展示区域的显示分辨率；
根据所有元素在可视化图像展示区域的显示分辨率设置可视化图像展示区域的像素点的分辨率参数；
设置完毕后，将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中；
调整可视化图像展示区域的显示参数以使其符合分析需求。
6.一种基于数字病理图像可视区域的截取系统，其特征在于，该系统包括：
设置模块，用于确定目标数字病理图像的图像边界并基于所述图像边界设置可视化区域展示界限；
截取模块，用于获取用户对于目标数字病理图像中的感兴趣区域图像，对所述感兴趣区域图像进行检测、定位和切割，截取切割后的感兴趣区域图像中的所有元素以及当前元素显示比例；
确定模块，用于基于感兴趣区域图像的当前图像大小和可视化区域展示界限的比例关系根据当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例；
显示模块，用于将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中。
7.根据权利要求6所述基于数字病理图像可视区域的截取系统，其特征在于，所述设置模块，包括：
选择子模块，用于通过预设图像浏览软件加载所述目标数字病理图像，根据加载结果选择清晰度最高的目标加载图像；
第一确定子模块，用于确定所述目标加载图像的图像边界作为目标数字病理图像的图像边界；
生成子模块，用于将目标数字病理图像四个方向的图像边界按照预设比例扩散，连接扩散线生成多个扩散图形；
第一设置子模块，用于在每个扩散图形内进行图像渲染，根据映射图像纹理参数确定每个扩散图形的视觉效果，选择视觉效果最好的目标扩散图形，根据目标扩散图形的面积参数设置可视化区域展示界限。
8.根据权利要求6所述基于数字病理图像可视区域的截取系统，其特征在于，所述截取模块，包括：
第二确定子模块，用于根据用户的视角专注点分布确定用户对于目标数字病理图像中的感兴趣区域图像；
定位子模块，用于使用深度学习算法对所述感兴趣区域图像中包含图像元素的可视区域进行检测和定位；
切割子模块，用于获取所述可视区域的边缘特征，基于所述边缘特征对感兴趣区域图像的可视区域进行切割，获取截取后的可视区域，扫描截取后的可视区域中的像素元素以及每个像素元素关联像素点的水平像素值和垂直像素值；
第三确定子模块，用于根据每个像素元素关联像素点的水平像素值和垂直像素值计算出每个像素元素的每个关联像素点的分辨率，根据每个像素元素的每个关联像素点的分辨率确定该像素元素的当前元素显示比例。
9.根据权利要求6所述基于数字病理图像可视区域的截取系统，其特征在于，所述确定模块，包括：
第一计算子模块，用于根据可视化区域的展示界限绘制可视化区域的区域图形，计算所述区域图形的第一图形面积；
第二计算子模块，用于根据感兴趣区域图像的当前图像大小获取第二图形面积，计算第一图像面积和第二图像面积的比例关系；
第三计算子模块，用于根据所述比例关系结合当前元素显示比例计算出所有元素在可视化图像展示区域中的目标元素显示比例。
10.根据权利要求6所述基于数字病理图像可视区域的截取系统，其特征在于，所述显示模块，包括：
第四确定子模块，用于根据所述目标元素显示比例却确定所有元素在可视化图像展示区域的显示分辨率；
第二设置子模块，用于根据所有元素在可视化图像展示区域的显示分辨率设置可视化图像展示区域的像素点的分辨率参数；
显示子模块，用于设置完毕后，将感兴趣区域图像中的所有元素按照所述目标元素显示比例显示在可视化图像展示区域中；
调整子模块，用于调整可视化图像展示区域的显示参数以使其符合分析需求。
CN202311125203.9A 2023-09-01 2023-09-01 一种基于数字病理图像可视区域的截取方法及系统 Active CN117115183B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311125203.9A CN117115183B (zh) 2023-09-01 2023-09-01 一种基于数字病理图像可视区域的截取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311125203.9A CN117115183B (zh) 2023-09-01 2023-09-01 一种基于数字病理图像可视区域的截取方法及系统

Publications (2)

Publication Number Publication Date
CN117115183A CN117115183A (zh) 2023-11-24
CN117115183B true CN117115183B (zh) 2024-02-09

Family

ID=88803642

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311125203.9A Active CN117115183B (zh) 2023-09-01 2023-09-01 一种基于数字病理图像可视区域的截取方法及系统

Country Status (1)

Country Link
CN (1) CN117115183B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110245657A (zh) * 2019-05-17 2019-09-17 清华大学 病理图像相似性检测方法及检测装置
CN112419253A (zh) * 2020-11-16 2021-02-26 中山大学 数字病理图像分析方法、系统、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2723670A1 (en) * 2007-05-15 2008-11-20 Centre Hospitalier De L'universite De Montreal A method for tracking 3d anatomical and pathological changes in tubular-shaped anatomical structures

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110245657A (zh) * 2019-05-17 2019-09-17 清华大学 病理图像相似性检测方法及检测装置
CN112419253A (zh) * 2020-11-16 2021-02-26 中山大学 数字病理图像分析方法、系统、设备及存储介质

Also Published As

Publication number Publication date
CN117115183A (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
KR102661681B1 (ko) 선호된 포인트들을 식별하고 유지하는 포인트 클라우드들의 병합 방법
US10607377B2 (en) Rendering semi-transparent user interface elements
Li et al. Integrated shadow removal based on photogrammetry and image analysis
US20210048523A1 (en) Method and system for precisely positioning collapsed area of high slope
US20080238947A1 (en) System and method for non-linear magnification of images
CN103605716B (zh) 用于网页页面点击展现的数据处理方法和装置
WO2020146664A1 (en) Point cloud colorization system with real-time 3d visualization
Chen et al. Improved seam carving combining with 3D saliency for image retargeting
CN111666365B (zh) 电子地图服务根据授权区域快速过滤显示的方法
Niu et al. Image resizing via non-homogeneous warping
CN114187880B (zh) 图像显示方法、图像显示装置和显示系统
CN111104608A (zh) 一种网页数据处理方法以及相关装置
CN114168052A (zh) 多图显示方法、装置、设备及存储介质
CN114611036A (zh) 一种gis数据处理及渲染方法
Song et al. Mosaicking UAV orthoimages using bounded Voronoi diagrams and watersheds
CN109410197B (zh) 一种定位液晶屏检测区域的方法及装置
US8760472B2 (en) Pixel transforms
CN117115183B (zh) 一种基于数字病理图像可视区域的截取方法及系统
CN117315494A (zh) 基于区域联合的协同并发标注方法及系统
US10964094B1 (en) Visualization system that transforms 2D images of objects slices into 3D point clouds
CN112000761A (zh) 数据分析方法及装置、电子设备、计算机可读存储介质
CN110910482B (zh) 视频数据组织调度的方法、系统及可读存储介质
US20220292662A1 (en) Information processing apparatus,information processing method,and non-transitory computer-readable storage medium
Zhang et al. Single image veiling glare removal
CN114238677A (zh) 一种多视图展示方法、装置、设备和介质

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