[发明专利]一种病理图像染色归一化方法及装置

权利要求书

1.一种病理图像染色归一化方法，其特征在于，该病理图像染色归一化方法包括步骤：

S1，获取输入的病理图像；

S2，对病理图像进行解耦，以获得病理图像的内容编码；

S3，对目标域图像进行解耦，以获得目标域图像的风格编码；

S4，根据病理图像的内容编码和目标域图像的风格编码，生成与目标域图像染色相同的归一化图像。

2.根据权利要求1所述的病理图像染色归一化方法，其特征在于，步骤S2中，通过内容编码器E_c生成病理图像的内容编码；步骤S3中，通过风格编码器E_s生成目标域图像的风格编码；步骤S4中，通过生成器G生成归一化图像；其中，内容编码器E_c、风格编码器E_s、生成器G通过多个源域图像和多个目标域图像训练获得；

该病理图像染色归一化方法还包括步骤：

S21，将目标域图像x₂输入到内容编码器E_c生成内容编码c₂，输入到风格编码器E_s，生成风格编码s₂；

S22，将内容编码c₂和风格编码s₂输入到生成器G中进行融合以生成新的图像

S23，采用反向传播算法训练内容编码器E_c、风格编码器E_s、生成器G，使得与x₂尽可能相似；x₂和之间采用L1损失函数，L1损失函数为：

其中，x₂～p(x₂)为目标域图像x₂的分布；

S24，将源域图像x₁输入到内容编码器E_c生成内容编码c₁，并从一个多维正态分布N(0,I)采样一个编码作为风格编码s₂’；

S25，将内容编码c₁和风格编码s₂’输入到生成器G中进行融合以生成新的图像x_1→2；

S26，采用反向传播算法训练内容编码器E_c、生成器G，使得x_1→2与x₁的结构尽可能相似；x₁和x_1→2之间的损失采用SSIM损失函数计算；SSIM损失函数计算为：

其中，x₁～p(x₁)为源域图像x₁的分布；s₂’～q(s₂’)为风格编码s₂’的先验分布；S为SSIM损失函数。

S27，将图像x_1→2输入到内容编码器E_c生成内容编码输入到风格编码器E_s，生成风格编码

S28，采用反向传播算法训练内容编码器E_c、风格编码器E_s，使和c₁以及和s₂’尽可能相似；

和c₁之间的损失函数为：

与s₂’之间的损失函数为：

S29，将图像x_1→2和目标域图像x₂分别输入到判别器D中；

S210，采用反向传播算法训练生成器G和判别器D，并采用如下GAN损失函数：

其中，x_1→2～p(x_1→2)为图像x_1→2的分布，x₂～p(x₂)为图像x₂的分布。

3.根据权利要求1所述的病理图像染色归一化方法，其特征在于，步骤S3中，目标域图像的风格编码为：目标域模板图像的风格编码或多张目标域图像风格编码的平均值。