[发明专利]基于高光谱成像的精标注数字病理数据集自动生成方法

说明书

本发明提供了基于高光谱成像的精标注数字病理数据集自动生成方法，包括如下步骤：基于病理样本，获取基准组织学染色切片与双重染色切片；基于基准组织学染色切片，获取二维彩色基准全玻片图像，基于双重染色切片，获取双染高光谱图像；基于二维彩色基准全玻片图像与双染高光谱图像，建立虚拟染色模型；基于双染高光谱图像，建立自动生成标注信息的分割模型，基于双染高光谱图像和虚拟染色模型、双染高光谱图像和分割模型，获得精标注数字病理数据集。本发明利用了高光谱双染图像的光谱与形态信息，解决了病理数据集的建立和自动生成标注文件的问题，避免了单标记物图像之间位置不一致的难题，取缔了人工标注，省时省力，智能可靠。

技术领域

本发明属于数字图像处理技术领域，尤其涉及基于高光谱成像的精标注数字病理数据集自动生成方法。

背景技术

组织病理学是肿瘤疾病诊断过程中的“金标准”。不仅决定了术前肿瘤的切除范围和癌组织的浸润程度，而且为临床治疗和预后提供了不可或缺的信息。目前，受限于染色工艺和成像系统差异，不同来源的病理图像组织学染色差异明显，病理数据集中的标注信息需要专业人员手工完成，工作量大，费力繁琐、耗时且容易出错。而在计算机辅助诊断中，深度学习算法依赖于大规模的病理数据集和精准标注信息，现有人工标注数据集的数量稀缺，规模偏小，深度学习算法识别分析结果的准确率和算法鲁棒性不足以满足实际诊断的需求。同时，目前的大量研究基于普通显微镜图像，信息量有限，除了空间维度，无法从其他维度获取肿瘤特征，这也限制了高难度的自动标注方法的研究。

发明内容

为解决上述技术问题，本发明提出基于高光谱成像的精标注数字病理数据集自动生成方法，该方法准确高效，智能可靠，有助于为深度学习算法提供大规模精标注数字病理数据集。

为实现上述目的，本发明提供了基于高光谱成像的精标注数字病理数据集自动生成方法，包括如下步骤：

基于病理样本，获取基准组织学染色切片与双重染色切片；

基于所述基准组织学染色切片，获取二维彩色基准全玻片图像，基于所述双重染色切片，获取双染高光谱图像；

基于所述二维彩色基准全玻片图像与所述双染高光谱图像，建立虚拟染色模型；

基于所述双染高光谱图像，建立标注信息分割模型，

基于所述双染高光谱图像和所述虚拟染色模型、所述双染高光谱图像和所述标注信息分割模型，获得所述精标注数字病理数据集。

可选地，获取基准组织学染色切片与双重染色切片的步骤包括：

基于病理样本获取病理切片；

基于苏木素-伊红对病理切片进行染色处理，获得所述基准组织学染色切片；

基于苏木素-伊红与免疫组化标记物对病理切片进行染色处理，获得所述双重染色切片。

可选地，所述二维彩色基准全玻片图像的获取方式为:利用全玻片扫描仪对所述基准组织学染色切片进行放大视场采集，获得所述二维彩色基准全玻片图像。

可选地，获取双染高光谱图像的步骤包括：

基于所述双重染色切片获取三维显微高光谱图像与空白高光谱图像；

对所述三维显微高光谱图像与空白高光谱图像进行预处理，获取双染高光谱图像。

可选地，所述三维显微高光谱图像与空白高光谱图像的获取方式为：利用高光谱显微镜对所述双重染色切片进行放大单视场采集，其中，采集包含生物组织的图像，获得所述三维显微高光谱图像，采集无任何生物组织的空白图像，获得所述空白高光谱图像。

可选地，对所述三维显微高光谱图像与空白高光谱图像进行预处理的方式为：利用光谱归一化方法对所述三维显微高光谱图像与空白高光谱图像进行浮点除法运算处理。