[发明专利]基于置信度评分的细胞粘连分割方法和装置

说明书

本申请涉及一种基于置信度评分的细胞粘连分割方法和装置；所述方法包括：通过神经网络模型对原始图像进行处理，获得基于置信度评分的预测图；根据第一阈值将所述预测图进行二值化，获得二值图；对所述二值图进行优化，并提取优化后的二值图中的所有连通域；根据预设的面积阈值对连通域进行筛选，获得连通域图像；基于所述二值图计算出距离图，并根据所述距离图确定分割界线；将所述连通域图像与所述分割界线进行整合，获得细胞粘连的分割结果。本发明通过卷积神经网络分割模型来预测原始图像的置信度得分，再通过二值化图像获得各连通域的边界处交集区域，对粘连细胞的分割进行双重确认，避免其中一个结果出现问题导致的错误粘连分割。

技术领域

本申请涉及人工智能技术领域，具体涉及一种基于置信度评分的细胞粘连分割方法和装置。

背景技术

在日常的病理诊断中，病理医生需要根据病理指南的要求，在对部分类别的免疫组化指标，如乳腺癌免疫组化Ki67、ER、PR等进行判读时需要对病理图像进行细胞的计数、分类和统计分析。近年来，随着大数据和人工智能的快速发展，基于图像处理和深度学习的智能诊断系统逐步进入了医学诊断领域，通过智能诊断系统自动对数字病理图像中的组织、细胞进行自动分割或评估，辅助病理医生进行诊断。

相关技术中，在进行细胞分割的过程中，由于细胞本身在成像时的粘连，导致细胞分割算法很难将粘连细胞自动分割开，影响计数等与数量相关的评估结果不准确，最终影响智能诊断的准确性。

发明内容

为至少在一定程度上克服相关技术中存在的问题，本申请提供一种基于置信度评分的细胞粘连分割方法和装置。

根据本申请实施例的第一方面，提供一种基于置信度评分的细胞粘连分割方法，包括：

通过神经网络模型对原始图像进行处理，获得基于置信度评分的预测图；

根据第一阈值将所述预测图进行二值化，获得二值图；

对所述二值图进行优化，并提取优化后的二值图中的所有连通域；

根据预设的面积阈值对连通域进行筛选，获得连通域图像；

基于所述二值图计算出距离图，并根据所述距离图确定分割界线；

将所述连通域图像与所述分割界线进行整合，获得细胞粘连的分割结果。

进一步地，所述预测图中的每一个像素点的数值为该像素点的置信度评分；

所述根据第一阈值将所述预测图进行二值化，包括：

将大于等于第一阈值的像素点置为255，作为前景像素点；

将小于第一阈值的像素点置为0，作为背景像素点。

进一步地，所述对所述二值图进行优化，包括：

对所述二值图进行一次开运算，设置核半径为预设值，完成对部分空洞的填充，从而优化二值图。

进一步地，所述根据预设的面积阈值对连通域进行筛选，包括：

获取到每个连通域的外接轮廓；

对外接轮廓进行膨胀操作，获得轮廓二值图；

基于所述预测图和所述轮廓二值图获得分割连通域；

将分割连通域与面积阈值进行比较，根据比较结果对连通域进行筛选。

进一步地，基于所述预测图和所述轮廓二值图获得分割连通域，包括：

将每个连通域内低于第二阈值的像素点值置为255，高于第二阈值的像素点置为0，获得各个连通域的分割连通域。

进一步地，将分割连通域与面积阈值进行比较，根据比较结果对连通域进行筛选，包括：