[发明专利]病理图像匹配方法、装置、设备及存储介质

权利要求书

1.一种病理图像匹配方法，其特征在于，所述病理图像匹配方法包括以下步骤：

确定病理图像中各像素点相邻区域的像素信息，并映射所述像素信息，获得映射病理图像，所述映射包括颜色空间映射和纹理空间映射，所述颜色空间映射包括映射到R空间、G空间、B空间、LBP空间和熵空间；

对所述映射病理图像进行形状拟合，并对拟合后病理图像的连接区域和边界区域进行图像分割；

根据分割后病理图像的像素点确定像素矩阵，并卷积所述像素矩阵更新像素点的灰度值；

对更新后灰度值进行特征筛选确定病理特征图像，并根据多类别分类器对所述病理特征图像进行匹配，所述多类别分类器包括第一分类器和第二分类器，所述第一分类器包括SVM分类器，所述第二分类器包括随机森林分类器；

其中，所述对所述映射病理图像进行形状拟合的步骤，包括：

确定所述映射病理图像的连通域，并根据所述连通域删除阻隔区域，获得所述映射病理图像的多个连通域；

根据预设连通阈值对所述多个连通域进行筛选；

返回所述确定所述映射病理图像的连通域，并根据所述连通域删除阻隔区域，获得所述映射病理图像的多个连通域的步骤，直至所述多个连通域的像素值不变，获得拟合后病理图像；

其中，所述根据分割后病理图像的像素点确定像素矩阵，并卷积所述像素矩阵更新像素点的灰度值的步骤，包括：

遍历分割后病理图像的像素点，并确定所述像素点相邻像素点；

根据所述像素点和所述相邻像素点确定像素矩阵；

对所述像素矩阵进行卷积，根据卷积结果更新所述像素点的灰度值和所述相邻像素点的灰度值；

其中，所述对更新后灰度值进行特征筛选确定病理特征图像的步骤，包括：

根据更新后灰度值确定对应的病理图像区域，并分析所述病理图像区域是否存在重叠区域；

在所述病理图像区域中存在重叠区域时，确定所述重叠区域的系数；

根据所述重叠区域的系数确定特征权重，根据所述特征权重确定病理特征图像；

或者，在所述病理图像区域中不存在重叠区域时，根据所述更新后灰度值确定对应的病理特征图像。

2.如权利要求1所述的病理图像匹配方法，其特征在于，所述对拟合后病理图像的连接区域和边界区域进行图像分割的步骤之前，还包括：

确定拟合后病理图像的细胞中目标物质的面积和相邻距离；

对所述目标物质的面积和相邻距离进行聚类，并对聚类后目标物质进行分类；

根据分类结果确定所述拟合后病理图像中待分割细胞。

3.如权利要求2所述的病理图像匹配方法，其特征在于，所述连接区域包括所述边界区域；

所述对拟合后病理图像的连接区域和边界区域进行图像分割的步骤，包括：

根据拟合后病理图像确定连接区域的分割边界，并确定分割约束条件；

基于所述分割约束条件将所述待分割细胞进行连接直至接触到所述分割边界，停止连接；

确定所述边界区域中连接后待分割细胞的梯度值，并根据预设像素阈值从所述梯度值中选出目标梯度值；

确定所述目标梯度值对应所述连接后待分割细胞中的边缘像素点；

根据预设检测阈值对所述边缘像素点进行边缘强弱检测，并根据检测结果进行图像分割。

4.如权利要求1所述的病理图像匹配方法，其特征在于，所述根据多类别分类器对所述病理特征图像进行匹配的步骤之前，还包括：

根据核函数和寻优函数确定目标优选训练参数，并根据所述目标优选训练参数对病理图像集进行训练，获得第一分类器；

随机确定所述病理图像集的病理图像子集和病理图像特征子集；

根据所述病理图像子集和所述病理图像特征子集确定决策树，并根据所述决策树确定第二分类器。