申请/专利权人:四川大学华西医院;成都华西精准医学产业技术研究院有限公司
申请日:2020-11-14
公开(公告)日:2021-02-19
公开(公告)号:CN112381839A
主分类号:G06T7/11(20170101)
分类号:G06T7/11(20170101);G06T7/187(20170101);G06T7/136(20170101);G06T3/40(20060101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:有效-授权
法律状态:2022.08.02#授权;2021.03.09#实质审查的生效;2021.02.19#公开
摘要:本发明公开一种基于深度学习的乳腺癌病理图像HE癌巢分割方法,包括:S1、输入一张HEWSI,系统分割模型,在1x下,分割切片中组织的轮廓区域;S2、将1x分割的区域,映射到40x下,并提取对应区域;S3、将提取的区域,裁剪成尺寸为1024*1024,重叠128个像素的Patch;S4、将所有Patch的倍率提升至80x;S5、将高分辨率结果输入进语义分割模型,模型输出每个Patch的分割Mask;S6、将每个Mask按照裁剪的坐标合并生成完整的二值Mask图像;S7、对合并完成的二值图像进行形态学操作,并按层级关系提取轮廓。本发明采用深度神经网络进行分割,其泛化能力更强,鲁棒性更高,采用了重叠采用的方式,设计了边界效应的处理机制,可以有效避免边界效应。
主权项:1.一种基于深度学习的乳腺癌病理图像HE癌巢分割方法,其特征在于包括以下步骤:S1、训练分割网络,提取1倍率图像中的有效组织区域轮廓,将有效组织区域轮廓映射到多倍率图像中;S2、将多倍率图像剪裁成多个图像块,相邻图像块重叠区域宽度为n像素;S3、将图像块输入超分辨率重建网络得到高分辨率图像块,超分辨率重建网络采用多种插值方式进行采样,超分辨率重建网络用于提升图像块分别率;S4、将高分辨率图像块输入语义分割深度卷积神经网络,语义分割深度卷积神经网络用于分割癌巢区域,语义分割深度卷积神经网络对应每个高分辨率图像块生成一个二值图像Mask;S5、将多个二值图像Mask按照步骤S2中的位置坐标进行图像拼接,得到有效组织区域Mask;S6、对有效组织区域Mask进行形态学操作,获取多个轮廓区域,多个轮廓区域为包含关系;S7、将轮廓区域缩放回多倍率图像中,绘制癌巢区域轮廓。
全文数据:
权利要求:
百度查询: 四川大学华西医院;成都华西精准医学产业技术研究院有限公司 一种基于深度学习的乳腺癌病理图像HE癌巢分割方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。