[发明专利]病理切片图像处理和模型训练方法及设备

说明书

本发明提供一种病理切片图像处理和模型训练方法及设备，所述病理切片图像处理方法，包括：根据原始病理切片图像获得多个单通道图像；获取各个所述单通道图像的图像直方图数据；融合各个图像直方图数据得到融合图像直方图数据，所述融合图像直方图数据的数据分布均匀程度小于各个所述图像直方图数据的数据分布均匀程度；根据所述融合图像直方图数据对所述多个单通道图像中的一个单通道图像进行二值化处理得到二值病理切片图像。

技术领域

本发明涉及医疗图像处理领域，具体涉及一种病理切片图像处理和模型训练方法及设备。

背景技术

病理诊断是在观测器官的大体改变、镜下观察组织结构和细胞病变特征而做出的疾病诊断，因此它比临床上根据病史、症状和体征等做出的分析性诊断以及利用各种影像(如超声波、X射线、CT、核磁共振等)所做出的诊断更具有客观性和准确性。

病理切片本身是通过组织取样、浸蜡、切片和染色等步骤形成的玻璃切片。目前病理切片已实现数字化保存和浏览，通过扫描设备将对玻璃切片进行扫描，形成高清的切片图像。

病理切片图像通常是只包含一种色调的彩色图像，例如紫色或者红色。由于扫描得到的切片图像中只有一种色调，因此像素点的像素值通常比较接近，病理切片图像的直方图表现的比较平缓。而根据切片工艺可知，切片中必然包含背景内容和组织内容，并且有较多二者相互夹杂的区域，如图1所示的图像中对于染色较浅的组织区域，其颜色与背景会非常接近。

从病理切片图像中将组织区域提取出来，对于病理诊断应用有重要意义。因此需要使用图像分割技术对图像进行分割，剔除背景保留组织。图像二值化是一种有效的图像分割算法，其关键点是选取合适的阈值，从而最大限度地将图像中感兴趣的部分保留下来。现有技术已有十余种选取阈值的算法，例如一种典型的算法为灰度平均值法，该算法使用整幅图像的灰度平均值作为二值化的阈值(该算法可作为其他算法的初始猜想值)。但是由于病理切片图像的像素值分布比较均匀，基于灰度平均值剔除背景时很容易将颜色较浅的组织剔除掉，例如得到如图2所示的结果，因此现有的图像分割算法不适合辨别组织区域和背景，分割准确性较差。

发明内容

有鉴于此，本发明提供一种病理切片图像处理方法，包括：

根据原始病理切片图像获得多个单通道图像；

获取各个所述单通道图像的图像直方图数据；

融合各个图像直方图数据得到融合图像直方图数据，所述融合图像直方图数据的数据分布均匀程度小于各个所述图像直方图数据的数据分布均匀程度；

根据所述融合图像直方图数据对所述多个单通道图像中的一个单通道图像进行二值化处理得到二值病理切片图像。

可选地，所述多个单通道图像包括灰度图像、红色通道图像、绿色通道图像、蓝色通道图像中的至少两个图像。

可选地，所述多个单通道图像中至少包括灰度图像，所述灰度图像是基于原始病理切片图像的红色通道数据、绿色通道数据和蓝色通道数据进行运算得到的灰度图像；

在所述根据所述融合图像直方图数据对所述多个单通道图像中的一个单通道图像进行二值化处理得到二值病理切片图像的步骤中，二值化处理的对象为所述灰度图像。

可选地，所述融合各个图像直方图数据得到融合图像直方图数据，包括：

分别确定所述图像直方图数据的距离值；

根据各个所述图像直方图数据及其距离值对各个图像直方图数据进行融合得到融合图像直方图数据。

可选地，所述距离值作为相应的图像直方图数据的系数，将各个图像直方图数据与相应的距离值进行相乘运算，并将各个相乘运算的结果进行相加融合运算得到所述融合图像直方图数据。