[发明专利]一种基于随机变换的肝部病理图像样本增强方法

说明书

本发明涉及一种基于随机变换的肝部病理图像样本增强方法，其包括以下步骤：1）对肝部病理图像进行区块划分，得到若干个图像小块；2）对每一个图像小块进行随机变换，形成扩充样本；所述随机变换包括水平镜像翻转、垂直镜像翻转、裁剪、亮度调整、饱和度调整和色相调整中的一种以上；3）将扩充样本输入深度学习模型对肝部病理图像进行训练，并与肝部病理图像进行对应增强，得到肝部病理图像的增强样本。本发明可以有效的扩充原有的病理样本，在一定程度上解决样本数量不足和样本分布不均的问题，满足了深度学习模型大样本量的要求，能有效的避免训练出的模型出现过拟合，泛化能力不足的情况，提高辅助分析结果的可靠性。

技术领域

本发明涉及数字病理图像处理技术领域，尤其涉及一种基于OTSU阈值的肝部组织病理图像分割方法。

背景技术

肝癌(liver cancer)是指发生于肝脏的恶性肿瘤，包括原发性肝癌和转移性肝癌两种，人们日常说的肝癌指的多是原发性肝癌。原发性肝癌是临床上最常见的恶性肿瘤之一，根据最新统计，全世界每年新发肝癌患者约六十万，居恶性肿瘤的第五位。针对不同的癌细胞类型、癌细胞扩散程度有不同的有效的治疗方式。目前，在临床诊断特别是大多数癌症诊断中，通过活体组织检查、脱落和细针穿刺细胞学检查等，对患者病变区域的活体组织切片在微观视野下进行观察和分析而获得的病理检查结果是医生进行疾病诊断的重要依据甚至最终依据，以病理影像为基础的诊断被视为癌症诊断的“金标准”。

目前，以病理图片的诊断主要通过专业的医生进行人工排查，随着病人数量的日益增长和对疾病诊断准确率要求的不断提高，需要分析的病理影像数量成倍增长，因此需要增加更多人员、设备来应对更大量的组织病理学分析需求。然而依据我国现阶段的国情，有经验的医生数量稀少，且水平参差不齐，病理科室数字化水平普遍偏低，数字病理设备严重匮乏，这给病理诊断的进一步发展带来了极大的困难。考虑到存储和远程传输的便利性，数字化组织病理影像越来越受到重视，更重要的是，数字化组织病理影像为引入智能辅助分析以减轻医生负担提供了可能，对缓解医疗资源的紧张形势有重要意义。

当下主流的智能辅助分析手段包括：图像特征提取，深度学习模型等等，而这些辅助分析方法往往需要大量的数据样本。以深度学习为例，首先是要有尽量多的训练样本，其次是要保证样本的分布够均匀，但是实际情况是可能经常会遇到样本量不够的情况,不能满足深度学习模型的训练要求。

发明内容

本发明的目的在于针对现有技术不足，提供一种设计合理，能够解决病理切片图过大和样本量不足问题的基于随机变换的肝部病理图像样本增强方法。

为实现上述目的，本发明采用以下技术方案：

一种基于随机变换的肝部病理图像样本增强方法，其包括以下步骤：

1)对肝部病理图像进行区块划分，得到若干个图像小块；

2)对每一个图像小块进行随机变换，形成扩充样本；所述随机变换包括水平镜像翻转、垂直镜像翻转、裁剪、亮度调整、饱和度调整和色相调整中的一种以上；

3)将扩充样本输入深度学习模型对肝部病理图像进行训练，并与肝部病理图像进行对应增强，得到肝部病理图像的增强样本。

作为优选，步骤1)中所述图像小块的尺寸为320*320像素。

作为优选，步骤2)中所述水平镜像翻转和垂直镜像翻转的方法为：

设图像小块的宽度为width，长度为height，图像小块中某一点变换前的原坐标为(x₀，y₀)，变换后的坐标为(x,y)，那么，

水平镜像翻转，需要满足：

x＝width-x₀-1

y＝y₀；