[发明专利]一种用于组织细胞病理图像诊断系统的图像预处理方法

说明书

本发明公开了医学图像分析技术领域的一种用于组织细胞病理图像诊断系统的图像预处理方法，采用一个固定尺寸把病理巨图分割成N行×M列的系列图块patch，再采用卷积神经网络对patch图像提取特征值(特征向量F∈Rn,n为特征长度)，每个patch作为1个节点，再根据其空间关系是否直接相邻来创建一张Graph，将病理片子构建成图神经网络模型能处理的输入Graph病理图片。本发明的用于组织细胞病理图像诊断系统的图像预处理方法有效降低病理图片的数据量，为高效的病理图识别的图神经网络Graph构建提供基础。

技术领域

本发明属于医学图像所述分析技术领域，涉及一种用于组织细胞病理图像诊断系统的图像预处理方法。

背景技术

组织细胞学病理检查是肿瘤诊断的金标准，病理图像是显微镜对病理组织细胞切片成像，图像是一张数据量超大的巨图(一般都在5万x5万像素以上,甚至数十万x数十万像素)。病理医生对整个病理片子下分类结论，既要根据高分辨率上的微观状态下细胞核形态，又要根据低分辨率上的宏观状态下细胞长势等。随着计算机技术的发展，卷积神经网络在图片分类识别上取得了非常优秀的效果，假如单使用常规的卷积神经网络来分类,则需要一次性加载整张病理图片，由于整张病理图片的数据量巨大，普通GPU物理显存远远不足，在工程上根本没法实现，假如把整个病理片的图像分割成一张张小的图块patch，卷积神经网络又无法从宏观上来建模patch系列之间的空间关系。

发明内容

本发明的目的在于克服现有技术的不足，提供一种用于组织细胞病理图像诊断系统的图像预处理方法。

本发明是通过以下技术方案实现的：

一种用于组织细胞病理图像诊断系统的图像预处理方法，其特征在于：图像预处理包括以下步骤：

步骤一、病理片子切割

通过OpenSlide库接口对显微镜成像的svs格式的病理图片进行分割，病理图片分割成N行×M列的patch图块单元；

步骤二、用卷积神经基础网络抽取patch特征，使用卷积神经基础网络对每张patch单元图片提取特征，输出patch的卷积特征值；

步骤三、对病理图片样本集进行预处理

创建面向图神经网络模型的病理片的Graph数据图，Graph为无向图，其数据结构格式由节点、无相边、邻接矩阵组成，每个patch单元为1个节点，patch的卷积特征值作为该节点的特征值，根据每个patch单元在空间上是否直接相邻组成Graph的邻接矩阵；对上述技术方案做进一步说明：所述病理图片分割的patch图块尺寸大小全部一样；Graph的邻接矩阵在构建时，每个patch单元作为自我的中心节点，在其空间上直接相邻的patch块作为邻接点，包括直接patch图块在空间上边直接邻接的4个方向的patch块和4个斜向邻接的patch块；对上述技术方案做进一步说明：所述卷积神经基础网络为ResNet或SE-ResNet卷积神经基础网络。

本发明的用于组织细胞病理图像诊断系统的图像预处理方法有效降低病理图片的数据量，为高效的病理图识别的图神经网络Graph构建提供基础。

附图说明

图1为病理片分类预测流程图；

图2为病理分割图；

图3为1个节点和它相邻节点表示图；

图4为从1张病理片图像构建的节点邻接矩阵图。

具体实施方式

以下结合附图和实例对本发明的内容做进一步的说明：