[发明专利]病理图像分级方法及装置

说明书

本发明提供一种病理图像分级方法及装置，所述方法包括：确定待分级的病理图像；在第一分辨率下，对待分级的病理图像进行全局性的细胞区域检测，定位待分级病理图像中的细胞群区域，并对细胞群区域进行初步分级，得到待进一步分级的整张病理图像中细胞群区域的初始分级结果；在第二分辨率下，对初始分级结果对应的各子图像进行局部分级，得到各类病理细胞的分级标签。本发明在第一分辨率下，对待分级的病理图像进行全局细胞区域检测，完成细胞群区域的快速定位和初步分级，进而在第二分辨率下，准确对初分结果对应的各子图像进行局部分级，得到待分级病理图像中各类病理细胞的分级标签，这种级联方式不仅能够提高图像分级速度，而且精度较高。

技术领域

本发明涉及图像分类技术领域，尤其涉及一种病理图像分级方法及装置。

背景技术

目前基于深度学习算法对AI自动阅片技术已在多种病理图像中展开广泛应用，与此同时，大量的算法也应运而生。然而，由于深度学习的高端计算平台GPU/CPU的计算资源和存储资源受限，目前的病理图像深度学习计算都是将整张病理图像切分成为若干子图像，在子图像的层面进行目标检测，实现病理图像分级任务的训练和预测。

例如，目前整张病理图像的深度学习预测模式为：显微镜下的整张病理图像数字化后，在20倍到40倍放大图像需切分为上万张子图，才能做为神经网络的输入进行独立训练或测试，最终进行整张病理图像的分级结果统计。

然而，该方法缺乏宏观把握力，在深度学习的诊断测试环节，依然采取的方式是所有切分图像无差别的扫描识别，至多对可疑区域进行多加计算，重复而机械，不仅效率较低，而且可能存在错误分级的情况。

发明内容

本发明提供一种病理图像分级方法及装置，用以解决现有技术中病理图像分级效率且精度较低的缺陷。

本发明提供一种病理图像分级方法，包括：

确定待分级病理图像；

在第一分辨率下，对所述待分级病理图像进行全局细胞区域检测，定位所述待分级病理图像中的细胞群区域，并对所述细胞群区域进行初步分级，得到所述细胞群区域的初始分级结果；

在第二分辨率下，对所述初始分级结果对应的各子图像进行局部分级，得到所述待分级病理图像中各类病理细胞的分级标签；所述第一分辨率低于所述第二分辨率。

根据本发明提供的一种病理图像分级方法，所述在第一分辨率下，对所述待分级病理图像进行全局细胞区域检测，定位所述待分级病理图像中的细胞群区域，并对所述细胞群区域进行初步分级，得到所述细胞群区域的初始分级结果，包括：

在所述第一分辨率下，对所述待分级病理图像进行特征提取，得到所述待分级病理图像的图像特征；

对所述图像特征进行注意力计算，得到注意力特征；

基于所述注意力特征，对所述待分级病理图像进行全局细胞区域检测，定位所述细胞群区域，并对所述细胞群区域进行初步分级，得到所述初始分级结果。

根据本发明提供的一种病理图像分级方法，所述在第二分辨率下，对所述初始分级结果对应的各子图像进行局部分级，得到所述待分级病理图像中各类病理细胞的分级标签，包括：

将各子图像由所述第一分辨率放大至所述第二分辨率；

将放大后的各子图像输入至图像分级模型，由所述图像分级模型对放大后的各子图像进行图像分级，得到所述图像分级模型输出的各子图像对应的各类病理细胞的分级标签；

基于各子图像对应的各类病理细胞的分级标签，确定所述待分级病理图像中各类病理细胞的分级标签；

所述图像分级模型基于样本子图像及所述样本子图像中各类病理细胞的分级标签训练得到。