[发明专利]一种适用于多类型病理图像的自动标注方法及系统

权利要求书

1.一种适用于多类型病理图像的自动标注方法，其特征在于，包括以下步骤：

S1：病理专家上传病理图像，编辑已上传的病理图像的相关信息，对所述已上传的病理图像信息、所述已上传的病理图像对应的疾病类型以及所述已上传的病理图像对应的病患信息进行查看、增加、修改、删除的操作；

S2：根据所述已上传的病理图像中显示的疾病类型的不同，将所述已上传的病理图像送入与疾病类型相对应的已训练完毕的深度学习模型进行识别，得到所述已上传的病理图像的分类结果、各分类的位置坐标以及各分类相对应的概率，并对识别为肿瘤区域的部分进行自动标注生成标注结果，并在病理图像中显示所述肿瘤区域的标注结果，将所述标注结果返回给病理专家；

S3：病理专家查看所述标注结果，若认为所述标注结果有误，则对所述标注结果进行包括增加标注、修改标注和删除标注后重新标注在内的操作，病理专家针对所述标注结果给出审核结果和诊断意见。

2.根据权利要求1所述的方法，其特征在于，所述根据所述已上传的病理图像中显示的疾病类型的不同，将所述已上传的病理图像送入与疾病类型相对应的已训练完毕的深度学习模型进行识别，得到所述已上传的病理图像的分类结果、各分类的位置坐标以及各分类相对应的概率，并对识别为肿瘤区域的部分进行自动标注生成标注结果，具体包括：

通过基于密度的聚类算法，对病理图像的分块利用已训练完毕的深度学习模型进行分类识别得到分类结果和各分类的位置坐标，根据所述分类结果和所述各分类的位置坐标进行聚类，计算每一个分类的概率均值、标准差以及方差；

当一个分类的概率均值、标准差以及方差大于一定的阈值时，保留该分类，否则，删除该分类。

3.根据权利要求2所述的方法，其特征在于，所述在病理图像中显示所述肿瘤区域的标注结果包括：

通过凸包算法得出所述每一个分类的边缘点，根据所述边缘点通过多边形框的形式将病理图像中的肿瘤区域的标注结果显示出来。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括S4：

管理病理专家的信息，对病理专家的信息进行查询、添加、修改、删除，所述病理专家的信息包括姓名、账号、密码、手机号、医院和科室。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括S5：

查看病理图像信息及其对应的病患信息，下载已审核的病理图像的所述标注结果。

6.根据权利要求1所述的方法，其特征在于，所述在病理图像中显示所述肿瘤区域的标注结果还包括：

采用OpenSeadragon图像控件实现DZI格式图像显示技术的支持，实现病理图像基础显示功能，根据用户的需要进行自由缩放和移动，同时所述标注结果随着用户的需要而同步进行缩放和移动。

7.根据权利要求1所述的方法，其特征在于，在所述将所述已上传的病理图像送入与疾病类型相对应的已训练完毕的深度学习模型进行识别前，使用图像掩码的方法将所述已上传的病理图像分割出若干个小幅的细胞组织区域图，再将切割出的所述若干个小幅的细胞组织区域图输入到所述已训练完毕的深度学习模型中进行分类识别。

8.根据权利要求1所述的方法，其特征在于，所述标注结果包括XML的矢量图标注，具体包括标注区域的位置信息以及病变类型的分类信息。

9.根据权利要求1所述的方法，其特征在于，所述对所述标注结果中的标注进行包括增加标注、修改标注和删除标注后重新标注在内的操作，具体包括：

对所述标注结果进行新建标注、删除标注、修改标注形状、修改标注类型以及保存标注；

所述新建标注包括在所述S2中漏标的肿瘤区域上添加区域标注轮廓；

所述删除标注包括在标注列表上删除所述S2中不正确的标注，并同时在标注显示区域上将所述S2中不正确的标注删除；

所述修改标注包括在原有标注的显示区域中修改标注的区域轮廓，还包括在标注列表中修改标注的分类信息；

所述保存标注包括将当前所有标注信息提交保存至数据库。