数字切片扫描仪的自动分层对焦方法及装置制造方法及图纸

本申请涉及一种数字切片扫描仪的自动分层对焦方法及装置，属于光学设备技术领域，该方法包括：获取数字切片扫描仪对样品不同层扫描得到的扫描图像；将对样品不同层扫描图像输入预先训练的AI模型进行分类，得到符合样本特定层样本标准的图像，并将符合特定层样本标准的图像的对焦值确定为参考对焦点；AI模型是使用样本不同层切片图像和样本不同层切片图像的所在层标注信息训练得到的，样本不同层切片图像的标注信息包括样本对焦所在层的位置信息；按照各层的参考对焦点进行扫描；可以使扫描仪精准定位于特定层进行扫描；可以筛选出符合特定层样本标准的图像作为参考对焦点，提高扫描图像的图像质量。扫描图像的图像质量。扫描图像的图像质量。

【技术实现步骤摘要】
数字切片扫描仪的自动分层对焦方法及装置


[0001]本申请涉及一种数字切片扫描仪的自动分层对焦方法及装置，涉及光学设备


技术介绍

[0002]在数字切片扫描仪分层扫描中，对特定样品层的对焦质量决定了后期分层扫描的图像质量，因此自动分层对焦非常重要。
[0003]传统的基于清晰度算法的自动对焦方法无法对焦到特定层，另外也可能出现对焦到非样品层(如盖玻片的上层或载玻片下层)，虽然清晰度较高，但并非所需要的样品的对焦位置，从而发生扫描仪扫描结果部分或全部不可用的后果。
[0004]申请号为201910923558.X的专利技术专利《一种基于AI的工业图像检测装置及方法》公开了如下内容：检测装置包括嵌入式图像采集端，上位机图像接收端和集成的目标检测网络图像处理部分；嵌入式端将摄像头采集的图像通过以太网接口传输给PC端上位机，上位机端对图像原始数据分析后提取出有效图像帧并进行预处理后送入目标检测网络，随后由神经网络进行预测输出划痕的位置信息，上位机接收到网络输出信息后将其附加在原图上显示。
[0005]然而，上位机仅能检测划痕位置，若将该方法应用于对切片的扫描图像进行检测，无法检测出是否准确对焦到特定样本层。
[0006]另外，申请号为201911378594.9的专利技术专利《显微图像质量分析方法、训练方法、系统、设备及介质》公开了如下内容：根据拍摄方向依次拍摄病理显微图像中各区域的局部图像；采用预先训练得到的一个或多个图像质量分析模型对每次输入的至少一个局部图像进行质量分析；在满足预设质量异常输出条件时，输出显示异常质量分析结果，并控制停止拍摄病理显微图像中的局部图像。目标类型异常质量为失焦、细胞堆叠、染色过浅、染色过深、气泡、灰尘、树胶、反射光斑、镜头脏污中的任一种。
[0007]然而，图像质量分析模型仅能对失焦、细胞堆叠、染色过浅、染色过深、气泡、灰尘、树胶、反射光斑和镜头脏污进行检测，同样无法检测出是否准确对焦到特定的样本层。
[0008]综上，现有的使用AI方式进行图像检测的方式中主要集中于基于图像清晰度高低和有无杂质划痕的判断，均没有考虑到对焦到特定样品层的问题，对于清晰度类似的不同层的图像无法区分。

技术实现思路

[0009]本申请提供了数字切片扫描仪的自动分层对焦方法及装置，本申请提出的基于人工智能(Artificial Intelligence，AI)的自动分层对焦的方法，可以提高自动分层对焦质量，聚焦扫描特定的样品层；还可以随用户使用的增多而不断学习，优化效果。本申请提供如下技术方案：
[0010]第一方面，提供一种数字切片扫描仪的自动分层对焦方法，所述方法包括：
[0011]按照特定扫描路径，获取所述数字切片扫描仪对样品不同层扫描得到的扫描图像；所述的扫描路径可以是直线，曲线或折线；
[0012]将按照特定扫描路径得到的所述对样品不同层扫描图像输入预先训练的人工智能AI模型进行分类，得到符合特定层样本标准的图像，并将所述符合特定层样本标准的图像的对焦值确定为该层的参考对焦点；所述AI模型是使用样本不同层切片图像和所述样本不同层切片图像的标注信息训练得到的，所述样本不同层切片图像的标注信息包括样本对焦所在层的位置信息；所述符合特定层样本标准的图像是指正确对焦到特定层的图像；
[0013]按照各层的参考对焦点进行分层扫描。
[0014]可选地，所述样本对焦所在层的位置信息为盖玻片上层、样品贴盖玻片层、和/或样品层的位置信息；所述特定层与所述样本对焦所在层的位置信息相对应。
[0015]可选地，所述样本对焦所在层的位置信息为Z轴位移传感器获取的位置信息；所述特定层与所述样本对焦所在层的位置信息相对应。
[0016]可选地，将所述对样品不同层扫描图像输入预先训练的人工智能AI模型进行分类，得到符合特定层样本标准的图像之后，还包括：
[0017]在所述AI模型的分类结果出现错误的情况下，通过人工标注获取所扫描图像的正确标注；
[0018]使用所述扫描图像和所述正确标注，再次对所述AI模型进行训练，训练后的AI模型用于对后续获取到的扫描图像进行分层预测。
[0019]可选地，所述将所述对样品不同层扫描图像输入预先训练的人工智能AI模型进行分类，得到符合特定层样本标准的图像之前，还包括：
[0020]获取所述样本不同层切片图像和所述样本不同层切片图像的标注信息；
[0021]将所述样本不同层切片图像和所述样本不同层切片图像的标注信息使用AI算法训练得到多个模型，并统计不同模型阈值下的分类准确度；
[0022]将分类准确度符合准确度预期的模型阀值作为模型参数，得到用于分类的所述AI模型。
[0023]第二方面，提供一种数字切片扫描仪的自动分层对焦装置，所述装置包括：
[0024]图像获取模块，用于获取所述数字切片扫描仪对样品不同层扫描得到的扫描图像；
[0025]分层预测模块，用于将所述对样品不同层扫描图像输入预先训练的人工智能AI模型进行分类，得到符合特定层样本标准的图像，并将所述符合特定层样本标准的图像的对焦值确定为该层的参考对焦点；所述AI模型是使用样本不同层切片图像和所述样本不同层切片图像的标注信息训练得到的，所述样本不同层切片图像的标注信息包括样本对焦所在层的位置信息；所述符合特定层样本标准的图像是指正确对焦到特定层的图像；
[0026]对焦扫描模块，用于按照各层的参考对焦点进行分层扫描。
[0027]可选地，所述样本对焦所在层的位置信息为盖玻片上层、样品贴盖玻片层、和/或样品层的位置信息；所述特定层与所述样本对焦所在层的位置信息相对应。
[0028]可选地，所述样本对焦所在层的位置信息为Z轴位移传感器获取的位置信息；所述特定层与所述样本对焦所在层的位置信息相对应。
[0029]可选地，所述装置还包括：
[0030]图像标注模块，用于在将所述对样品不同层扫描图像输入预先训练的人工智能AI模型进行分类，得到符合特定层样本标准的图像之后，在所述AI模型的分类结果出现错误的情况下，通过人工标注获取所扫描图像的正确标注；
[0031]再次训练模块，用于使用所述扫描图像和所述正确标注，再次对所述AI模型进行训练，训练后的AI模型用于对后续获取到的扫描图像进行分层预测。
[0032]可选地，所述装置还包括：
[0033]样本获取模块，用于将所述对样品不同层扫描图像输入预先训练的人工智能AI模型进行分类，得到符合特定层样本标准的图像之前，获取所述样本不同层切片图像和所述样本不同层切片图像的标注信息；
[0034]模型训练模块，用于将所述样本不同层切片图像和所述样本不同层切片图像的标注信息使用AI算法训练得到多个模型，并统计不同模型阈值下的分类准确度；
[0035]模型选择模块，用于将分类准确度符合准确度预期的模型阀值作为模型参数，得到用于分类的所述AI模型
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数字切片扫描仪的自动分层对焦方法，其特征在于，所述方法包括：获取所述数字切片扫描仪对样品不同层扫描得到的扫描图像；将所述对样品不同层扫描图像输入预先训练的人工智能AI模型进行分类，得到符合特定层样本标准的图像，并将所述符合特定层样本标准的图像的对焦值确定为该层的参考对焦点；所述AI模型是使用样本不同层切片图像和所述样本不同层切片图像的标注信息训练得到的，所述样本不同层切片图像的标注信息包括样本对焦所在层的位置信息；所述符合特定层样本标准的图像是指正确对焦到特定层的图像；按照各层的参考对焦点进行分层扫描。2.根据权利要求1所述的方法，其特征在于，所述特定层与所述样本对焦所在层的位置信息相对应。3.根据权利要求1所述的方法，其特征在于，将所述对样品不同层扫描图像输入预先训练的人工智能AI模型进行分类，得到符合特定层样本标准的图像之后，还包括：在所述AI模型的分类结果出现错误的情况下，通过人工标注获取所扫描图像的正确标注；使用所述扫描图像和所述正确标注，再次对所述AI模型进行训练，训练后的AI模型用于对后续获取到的扫描图像进行分层预测。4.根据权利要求1所述的方法，其特征在于，所述将所述对样品不同层扫描图像输入预先训练的人工智能AI模型进行分类，得到符合特定层样本标准的图像之前，还包括：获取所述样本不同层切片图像和所述样本不同层切片图像的标注信息；将所述样本不同层切片图像和所述样本不同层切片图像的标注信息使用AI算法训练得到多个模型，并统计不同模型阈值下的分类准确度；将分类准确度符合准确度预期的模型阀值作为模型参数，得到用于分类的所述AI模型。5.一种数字切片扫描仪的自动分层对焦装置，其特征在于，所述装置包括：图像获取模块，用于获取所...

【专利技术属性】
技术研发人员：任思远，徐俊毅，
申请(专利权)人：苏州迪美格智能科技有限公司，
类型：发明
国别省市：