[发明专利]一种基于多尺度混合分割模型的病理切片非常规细胞的分割方法

摘要

本发明公开一种基于多尺度混合分割模型的病理切片非常规细胞的分割方法，包括：正、负样本分别缩放至低分辨率，中分辨率和高分辨率图像后，采用全卷积网络算法进行训练，得到收敛的低分辨率分割模型、中分辨率分割模型和高分辨率模型；通过模型集成方法进行融合，得到多尺度混合分割模型；将新病理切片的有效判别区域，使用测试时数据增强方法处理后，输入上述多尺度混合分割模型，输出有效分割区域中每个像素的概率，将概率值大于阈值t的像素作为非正常细胞像素，记为1，其余的像素作为正常细胞像素，记为0，得到多尺度混合分割模型预测的二值图像，对该二值图像进行后处理，得到最终分割结果。该分割方法精度高，Dice值达0.869以上。

主权项

1.一种基于多尺度混合分割模型的病理切片非常规细胞的分割方法，包括：(1)对电子扫描病理切片进行预处理，得到该病理切片中的有效判别区域，所述的有效判别区域中非常规细胞像素区域为正样本，常规细胞像素区域为负样本；(2)对步骤(1)得到的正、负样本，分别缩放至低分辨率，中分辨率和高分辨率图像后采用全卷积网络算法进行训练，根据模型预测结果与标签的重合度对网络的参数进行调节，得到收敛的低分辨率分割模型、中分辨率分割模型和高分辨率模型；所述的高分辨率图像大小介于2000至3000像素之间，中分辨率像素大小介于1000至2000之间，低分辨率图像大小介于500至1000之间；所述的全卷积网络包括改进的U‑Net，DCAN和LinkNet；(3)将未经过标记的新病理切片，经过步骤(1)处理得到的有效判别区域，使用测试时数据增强方法处理后，分别输入上述步骤(2)得到的低分辨率分割模型、中分辨率分割模型和高分辨率分割模型，通过模型集成方法进行融合，得到多尺度混合分割模型，输出该模型的有效分割区域中每个像素的概率，将概率值大于阈值t的像素作为非正常细胞像素，记为1，其余的像素作为正常细胞像素，记为0，得到多尺度混合分割模型预测的二值图像；所述的阈值t为0.3～0.7；(4)将步骤(3)得到的二值图像通过形态学方法进行后处理，得到最终分割结果。