【技术实现步骤摘要】
一种基于点标注的弱监督腺体实例分割方法
[0001]本专利技术属于计算机视觉与医学图像分析领域,具体涉及一种基于点标注的弱监督腺体实例分割方法。
技术介绍
[0002]结肠癌是常见的发生于结肠部位的消化道恶性肿瘤,是新发癌症发病率最高的癌症之一。肿瘤细胞和组织在显微镜下观察表现出一定的异于正常细胞和组织的结构特征,也叫组织学特征。医生根据组织学特征对癌症进行分级,进而确定病人的癌症情况与治疗方案。从病理图像中准确地分割腺体实例是病理学家定量分析腺癌恶性程度进行诊断的关键步骤,然而手动分割出病理图像中的腺体实例是一项十分耗时的工作。病理图像采用苏木精和伊红(H&E)等染色剂进行染色制片,受制于染色剂与光照等因素的影响加大了分割腺体实例的难度。病理全切片扫描设备的普及使得病理学图像数字化成为可能,对数字病理图像进行计算机辅助诊断是目前医学图像分析领域的研究热点之一。但是由于腺体形态的多变性,且恶性及良性腺体的组织学特征差异大,使得传统的分割方法存在很大的局限性。
[0003]基于图像级别标注的弱监督实例分割方法有效降低了标注成本,但是图像级别标注所包含的空间信息十分有限,导致基于图像级别标注的弱监督实例分割方法效果不佳。基于点标注的弱监督实例分割方法在图像级别标注的基础上提供了图像实例的空间信息,并且相较于图像级别标注只需要增加少量的标注工作量。点标注是对图像中的每个实例仅标注一个参照点,该参照点在模型的训练过程中提供了必要的空间信息。而一般的弱监督实例分割算法都需要使用精度较高的分类模型进行梯度 ...
【技术保护点】
【技术特征摘要】
1.一种基于点标注的弱监督腺体实例分割方法,其特征在于,包括如下步骤:步骤S1、获取结肠组织病理学图像;步骤S2、对结肠组织病理学图像中存在的腺体实例进行点标注,生成腺体点检测训练样本集;步骤S3、建立腺体点检测模型;步骤S4、使用腺体点检测训练样本集对腺体点检测模型进行深度学习训练;步骤S5、利用深度学习训练后的腺体点检测模型预测结肠组织病理学图像中的高置信点,生成腺体实例分割训练样本集;步骤S6、建立腺体实例分割模型;步骤S7、使用腺体实例分割训练样本集对腺体实例分割模型进行深度学习训练;步骤S8、使用深度学习训练后的腺体实例分割模型对结肠组织病理学图像的腺体实例进行分割。2.根据权利要求1所述的一种基于点标注的弱监督腺体实例分割方法,其特征在于,步骤S2中,对结肠组织病理学图像中存在的腺体实例进行点标注,即在结肠组织病理学图像的每一个腺体中心标注一个标注点,并标注及统计结肠组织病理学图像中的腺体实例总数r。3.根据权利要求1或2所述的一种基于点标注的弱监督腺体实例分割方法,其特征在于,所述结肠组织病理学图像中的每个腺体都对应一个标注点,其标注位置为腺体实例的中心,点标注相比于像素级别标注的标注复杂度较低,具有腺体实例的弱语义位置信息,可表示为;t=[x,y],其中x为标注点的横坐标,y为标注点的竖坐标。4.根据权利要求1所述的一种基于点标注的弱监督腺体实例分割方法,其特征在于,步骤S3中,所述腺体点检测模型包括:一个骨干网络、三个锚点机制模块;结肠组织病理学图像输入到腺体点检测模型,首先通过骨干网络提取图像的语义特征;接着图像的语义特征输入第一个锚点机制模块输出第一组腺体点检测结果,而后平行地通过第二个锚点机制模块、第三个锚点机制模块分别输出第二组腺体点检测结果、第三组腺体点检测结果,最后综合三组的腺体点检测结果输出最终的腺体点检测结果。5.根据权利要求4所述的一种基于点标注的弱监督腺体实例分割方法,其特征在于,所述三个锚点机制模块分别为:DBL特征提取模块、高置信点检测模块和腺体数量回归模块;图像的语义特征首先通过DBL特征提取模块进行特征提取与缩放,缩放后的图像特征将平行地通过高置信点检测模块和腺体数量回归模块,最后高置信点检测模块输出高置信点的预测结果,可表示为:t
*
=[x
*
,y
*
,c
*
],其中x
*
为高置信点的横坐标,y
*
为高置信点的竖坐标,c
*
为高置信点的置信值,腺体数量回归模块输出腺体实例数量的预测结果,可表示为r
*
。6.根据权利要求4或5所述的一种基于点标注的弱监督腺体实例分割方法,其特征在于,所述DBL特征提取模块是卷积层、批标准化层和带泄露修正线性单元的组合,图像的语义特征输入DBL特征提取模块后进特征提取与缩放,输出锚点特征,其中在DBL特征提取模块设置参数A对特征进行缩放,最后输出锚点特征的深度为3*A;所述高置信点检测模块的分析流程为:将锚点特征通过方格窗口切分成k*k的网格特征,最后对于网格特征中的每个网格点预测出A个高置信点作为高置信点的预测结果t
*
;所述腺体数量回归模块的分析流程为:将锚点特征通过全局池化层将特征尺寸缩放至1,将锚点特...
【专利技术属性】
技术研发人员:王大寒,李建敏,叶海礼,朱晨雁,朱顺痣,
申请(专利权)人:厦门理工学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。