[发明专利]细胞病理图像的标注坐标转换方法、系统、设备及介质

说明书

本公开描述了一种细胞病理图像的标注坐标转换方法、系统、设备及介质，该方法包括获取同一病理玻片对应的基准图像和待配准图像，基准图像具有标注坐标；获取基准图像的第一有效区域和待配准图像的第二有效区域；从第一有效区域选取第一预设大小的图像块并计算对应的关键点；从第二有效区域选取对应的第二预设大小的待匹配区域并利用滑窗法获取待匹配区域与对应的图像块的关键点的匹配度最高的目标滑窗和对应的关键点对，第二预设大小大于第一预设大小；根据多个目标滑窗对应的关键点对获取单应变换关系矩阵以将基准图像的标注坐标映射至待配准图像，进而获取待配准图像的标注坐标。由此，能够提高同一病理玻片的多张细胞病理图像的标注效率。

技术领域

本公开涉及基于机器学习的图像处理领域，具体涉及一种细胞病理图像的标注坐标转换方法、系统、设备及介质。

背景技术

随着机器学习技术的广泛应用，越来越多的基于机器学习的图像处理技术被应用到细胞病理图像筛查中。在这种情况下，在对细胞病理图像进行筛查的筛查系统中，常常需要预先标注出细胞病理图像中的目标区域(也即，包括目标的区域)，利用标注出目标区域的细胞病理图像对筛查系统中涉及的模型(例如神经网络)进行训练，以使经训练模型能够对没有标注的细胞病理图像进行识别、或提取局部或整体的图像特征。

目前，对于同一病理玻片，不同采集设备(例如扫描仪)获取细胞病理图像后，由于采集设备的光学性能和成像技术不同，一般需要进行多次标注后，再用于机器学习，以提高模型的泛化性。然而，细胞病理图像具有高分辨率，对单张细胞病理图像进行标注，难度已经较高且耗费时间长。因此，对同一病理玻片的多张细胞病理图像进行标注亟需更好的解决方案。

发明内容

本公开是有鉴于上述的状况而提出的，其目的在于提供一种能够提高同一病理玻片的多张细胞病理图像的标注效率的细胞病理图像的标注坐标转换方法、系统、设备及介质。

为此，本公开第一方面提供了一种细胞病理图像的标注坐标转换方法，包括：获取同一病理玻片对应的基准图像和待配准图像，其中，所述基准图像具有标注坐标；基于比所述基准图像分辨率小的第一图像的有效区域获取所述基准图像的第一有效区域，基于比所述待配准图像分辨率小的第二图像的有效区域获取所述待配准图像的第二有效区域；从所述第一有效区域选取多个第一预设大小的图像块并获取各个图像块的关键点；从所述第二有效区域选取与各个图像块对应的第二预设大小的待匹配区域，利用滑窗法获取各个待匹配区域与对应的图像块的关键点的匹配度最高的目标滑窗和对应的关键点对，其中，所述第二预设大小大于所述第一预设大小；根据多个所述目标滑窗对应的关键点对获取单应变换关系矩阵；并且利用所述单应变换关系矩阵将所述基准图像的标注坐标映射至所述待配准图像以获取所述待配准图像的标注坐标。

在本公开中，从具有标注坐标的基准图像中获取多个图像块和对应的关键点，从不具有标注坐标的待配准图像中获取多个与图像块对应且比图像块大的待匹配区域，从待匹配区域中获取与对应的图像块的关键点匹配度最高的匹配区域和对应的关键点对，进而利用关键点对对基准图像的标注坐标进行单应变换处理以得到待配准图像的标注坐标。在这种情况下，针对高分辨率的细胞病理图像，通过图像块和待匹配区域能够快速地获取关键点对，进而能够利用关键点对将来源同一病理玻片的多张细胞病理图像中的任意一张的标注坐标迁移至其他细胞病理图像。由此，能够提高同一病理玻片的多张细胞病理图像的标注效率。另外，还基于滑窗法从待匹配区域中获取与对应的图像块的关键点匹配度最高的匹配区域，能够灵活地调整窗口的步长以尽可能地遍历待匹配区域中的图像数据，进而能够获取匹配度相对高的匹配区域。由此，能够提高匹配的准确度。另外，还利用低分辨率的细胞病理图像的有效区域获取基准图像和待配准图像的有效区域，并从有效区域中选取图像块或待匹配区域。在这种情况下，能够减少一些无效的运算。由此，能够进一步提高同一病理玻片的多张细胞病理图像的标注效率。

另外，在本公开第一方面所涉及的标注坐标转换方法中，可选地，将所述第一图像的有效区域映射至所述基准图像以确定所述第一有效区域；将所述第二图像的有效区域映射至所述待配准图像以确定所述第二有效区域。由此，能够确定第一有效区域和第二有效区域。