基于病理图像的细胞探测方法、装置、设备及存储介质制造方法及图纸

本申请提供了一种基于病理图像的细胞探测方法、装置、设备及存储介质，其中，该方法包括：获取若干已添加标注的病理图像；使用各病理图像对预先构建的细胞探测模型进行训练并评估，得到合格的细胞探测模型；使用合格的细胞探测模型获取待处理病理图像的中心点膨胀图像；对中心点膨胀图像进行斑点检测处理，得到中心点膨胀图像中各中心点膨胀区域的中心点像素位置；对各中心点膨胀区域组内中心点像素位置的数量进行统计，得到待处理病理图像中各细胞类别下细胞的数量；通过上述方法，有利于在降低人力负担的同时提高不同类别细胞的定位效率和计数效率。定位效率和计数效率。定位效率和计数效率。

【技术实现步骤摘要】
基于病理图像的细胞探测方法、装置、设备及存储介质


[0001]本申请涉及图像处理
，具体而言，涉及一种基于病理图像的细胞探测方法、装置、设备及存储介质。

技术介绍

[0002]免疫组化(Immunohistochemistry，IHC)是一种广泛用于病理诊断及指导肿瘤治疗的方法，其通过抗原抗体酶标显色的化学反应方法，对组织细胞中特定的抗原进行染色，染色后的组织切片经过数字扫描得到病理图像，该病理图像反映组织中的细胞形态及特定的蛋白分子标记物的表达情况，为医生在临床诊断中提供重要信息，指导临床肿瘤的靶向与免疫治疗制定治疗策略与方案；而且为了方便医生精准且快速的理解病理图像，需要先识别出该病理图像中的不同类别的细胞以及各类别细胞的数量。
[0003]现有方式中，为获取病理图像中不同类别的细胞的数量，需要基于人工肉眼分辨的识别方式对病理图像中的每个细胞精准定位并区分细胞类别，该方式不仅需要识别者是拥有丰富相关经验的专业人士，整个识别过程还会占用识别者大量的时间。

技术实现思路

[0004]有鉴于此，本申请实施例提供了一种基于病理图像的细胞探测方法、装置、设备及存储介质，有利于在降低人力负担的同时提高不同类别细胞的定位效率和计数效率。
[0005]主要包括以下几个方面：
[0006]第一方面，本申请实施例提供了一种基于病理图像的细胞探测方法，该方法包括以下步骤：
[0007]步骤S1：获取若干已添加标注的病理图像，其中，所述标注包括对所述病理图像中至少一个细胞的细胞中心位置的标注和细胞类别的标注；
[0008]步骤S2：使用各所述病理图像对预先构建的细胞探测模型进行训练并评估，得到合格的细胞探测模型，其中，所述预先构建的细胞探测模型为语义分割模型；
[0009]步骤S3：使用所述合格的细胞探测模型获取待处理病理图像的中心点膨胀图像，其中，所述中心点膨胀图像包括至少一个中心点膨胀区域组，不同的中心点膨胀区域组用于表示不同的细胞类型，针对每一个所述中心点膨胀区域组，该中心点膨胀区域组包括至少一个中心点膨胀区域，所述中心点膨胀区域用于表示所述待处理病理图像中细胞的所在位置；
[0010]步骤S4：对所述中心点膨胀图像进行斑点检测处理，得到所述中心点膨胀图像中各中心点膨胀区域的中心点像素位置，其中，所述中心点像素位置用于表示所述待处理病理图像中细胞的细胞中心位置；
[0011]步骤S5：对各所述中心点膨胀区域组内中心点像素位置的数量进行统计，得到所述待处理病理图像中各细胞类别下细胞的数量。
[0012]可选的，所述步骤S1中的病理图像包括第一全片病理图像或者第一全片病理图像
中的第一指定区域；所述步骤S3中的待处理病理图像包括第二全片病理图像或者第二全片病理图像中的第二指定区域。
[0013]可选的，在所述步骤S2中对预先构建的细胞探测模型进行训练之前，所述方法还包括：
[0014]针对每一个所述病理图像，获取该病理图像对应的标签图像，其中，所述标签图像包括至少一个目标像素点集，不同的目标像素点集用于表示不同的细胞类别，不同目标像素点集中的目标像素点在所述标签图像上的像素值不同，所述目标像素点用于表示该病理图像中细胞的细胞中心位置，在所述标签图像中：除各所述目标像素点之外的其他像素点的像素值与各所述目标像素点的像素值不同；
[0015]将所述标签图像中的每一个目标像素点膨胀为第一预设大小的目标区域，得到目标标签图像。
[0016]可选的，所述步骤S2具体包括以下步骤：
[0017]步骤S201：将各所述病理图像划分为训练集和测试集；
[0018]步骤S202：对所述训练集包括的各病理图像及各病理图像对应的目标标签图像进行分割，得到若干第二预设大小的第一病理子图像和各第一病理子图像对应的第二预设大小的第一目标标签子图像；以及对所述测试集包括的各病理图像及各病理图像对应的目标标签图像进行分割，得到若干第二预设大小的第二病理子图像和各第二病理子图像对应的第二预设大小的第二目标标签子图像；
[0019]步骤S203：使用各所述第一病理子图像及各第一病理子图像对应的第一目标标签子图像，对所述预先构建的细胞探测模型进行训练；
[0020]步骤S204：使用各所述第二病理子图像及各第二病理子图像对应的第二目标标签子图像，对训练后的细胞探测模型进行评估，得到所述训练后的细胞探测模型的灵敏度和精确度；
[0021]步骤S205：判断所述精确度和所述灵敏度是否均大于预设阈值，若均大于所述预设阈值，将所述训练后的细胞探测模型作为所述合格的细胞探测模型；否则，重复执行所述步骤S203、所述步骤S204和所述步骤S205，直至得到所述合格的细胞探测模型。
[0022]可选的，所述步骤S3具体包括以下步骤：
[0023]步骤S301：对所述待处理病理图像进行分割，得到至少一个第二预设大小的待处理病理子图像；
[0024]步骤S302：针对每一个所述待处理病理子图像，将该待处理病理子图像输入到所述合格的细胞探测模型中，得到该待处理病理子图像对应的中心点膨胀子图像，其中，所述中心点膨胀子图像包括至少一个用于表示细胞类别的中心点膨胀区域组，不同中心点膨胀区域组包括的中心点膨胀区域在所述中心点膨胀子图像中的像素值不同，所述中心点膨胀区域用于表示所述待处理病理子图像中细胞的所在位置；
[0025]步骤S303：根据各所述待处理病理子图像在所述待处理病理图像中的位置信息，对各所述待处理病理子图像对应的中心点膨胀子图像进行拼接，得到所述中心点膨胀图像。
[0026]第二方面，本申请实施例提供了一种基于病理图像的细胞探测装置，该装置包括：
[0027]获取模块，用于获取若干已添加标注的病理图像，其中，所述标注包括对所述病理
图像中至少一个细胞的细胞中心位置的标注和细胞类别的标注；
[0028]执行模块，用于使用各所述病理图像对预先构建的细胞探测模型进行训练并评估，得到合格的细胞探测模型，其中，所述预先构建的细胞探测模型为语义分割模型；
[0029]探测模块，用于使用所述合格的细胞探测模型获取待处理病理图像的中心点膨胀图像，其中，所述中心点膨胀图像包括至少一个中心点膨胀区域组，不同的中心点膨胀区域组用于表示不同的细胞类型，针对每一个所述中心点膨胀区域组，该中心点膨胀区域组包括至少一个中心点膨胀区域，所述中心点膨胀区域用于表示所述待处理病理图像中细胞的所在位置；
[0030]处理模块，用于对所述中心点膨胀图像进行斑点检测处理，得到所述中心点膨胀图像中各中心点膨胀区域的中心点像素位置，其中，所述中心点像素位置用于表示所述待处理病理图像中细胞的细胞中心位置；
[0031]统计模块，用于对各所述中心点膨胀区域组内中心点像素位置的数量进行统计，得到所述待处理病理图像中各细胞类别下细胞的数量。
[0032]可选的，所述病理图像包括第一全片病理图像或者第一全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于病理图像的细胞探测方法，其特征在于，所述方法包括以下步骤：步骤S1：获取若干已添加标注的病理图像，其中，所述标注包括对所述病理图像中至少一个细胞的细胞中心位置的标注和细胞类别的标注；步骤S2：使用各所述病理图像对预先构建的细胞探测模型进行训练并评估，得到合格的细胞探测模型，其中，所述预先构建的细胞探测模型为语义分割模型；步骤S3：使用所述合格的细胞探测模型获取待处理病理图像的中心点膨胀图像，其中，所述中心点膨胀图像包括至少一个中心点膨胀区域组，不同的中心点膨胀区域组用于表示不同的细胞类型，针对每一个所述中心点膨胀区域组，该中心点膨胀区域组包括至少一个中心点膨胀区域，所述中心点膨胀区域用于表示所述待处理病理图像中细胞的所在位置；步骤S4：对所述中心点膨胀图像进行斑点检测处理，得到所述中心点膨胀图像中各中心点膨胀区域的中心点像素位置，其中，所述中心点像素位置用于表示所述待处理病理图像中细胞的细胞中心位置；步骤S5：对各所述中心点膨胀区域组内中心点像素位置的数量进行统计，得到所述待处理病理图像中各细胞类别下细胞的数量。2.如权利要求1所述的方法，其特征在于，所述步骤S1中的病理图像包括第一全片病理图像或者第一全片病理图像中的第一指定区域；所述步骤S3中的待处理病理图像包括第二全片病理图像或者第二全片病理图像中的第二指定区域。3.如权利要求1所述的方法，其特征在于，在所述步骤S2中对预先构建的细胞探测模型进行训练之前，所述方法还包括：针对每一个所述病理图像，获取该病理图像对应的标签图像，其中，所述标签图像包括至少一个目标像素点集，不同的目标像素点集用于表示不同的细胞类别，不同目标像素点集中的目标像素点在所述标签图像上的像素值不同，所述目标像素点用于表示该病理图像中细胞的细胞中心位置，在所述标签图像中：除各所述目标像素点之外的其他像素点的像素值与各所述目标像素点的像素值不同；将所述标签图像中的每一个目标像素点膨胀为第一预设大小的目标区域，得到目标标签图像。4.如权利要求3所述的方法，其特征在于，所述步骤S2具体包括以下步骤：步骤S201：将各所述病理图像划分为训练集和测试集；步骤S202：对所述训练集包括的各病理图像及各病理图像对应的目标标签图像进行分割，得到若干第二预设大小的第一病理子图像和各第一病理子图像对应的第二预设大小的第一目标标签子图像；以及对所述测试集包括的各病理图像及各病理图像对应的目标标签图像进行分割，得到若干第二预设大小的第二病理子图像和各第二病理子图像对应的第二预设大小的第二目标标签子图像；步骤S203：使用各所述第一病理子图像及各第一病理子图像对应的第一目标标签子图像，对所述预先构建的细胞探测模型进行训练；步骤S204：使用各所述第二病理子图像及各第二病理子图像对应的第二目标标签子图像，对训练后的细胞探测模型进行评估，得到所述训练后的细胞探测模型的灵敏度和精确度；步骤S205：判断所述精确度和所述灵敏度是否均大于预设阈值，若均大于所述预设阈
值，将所述训练后的细胞探测模型作为所述合格的细胞探测模型；否则，重复执行所述步骤S203、所述步骤S204和所述步骤S205，直至得到所述合格的细胞探测模型。5.如权利要求1所述的方法，其特征在于，所述步骤S3具体包括以下步骤：步骤S301：对所述待处理病理图像进行分割，得到至少一个第二预设大小的待处理病理子图像；步骤S302：针对每一个所述待处理病理子图像，将该待处理病理子图像输入到所述合格的细胞探测模型中，得到该待处理病理子图像对应的中心点膨胀子图像，其中，所述中心点膨胀子图像包括至少一个用于表示细胞类别的中心点膨胀区域组，不同中心点膨胀区域组包括的中心点膨胀区域在所述中心点膨胀子图像中的像素值不同，所述中心点膨胀区域用于表示所述待处理病理子图像中细胞的所在位置；步骤S303：根据各所述待处理病理子图像在所述待处理病理图像中的位置信息，对各所述待处理病理子图像对应的中心点膨胀子图像进行拼接，得到所述中心点膨胀图像。6.一种基于病理图像的细胞...

【专利技术属性】
技术研发人员：高楠楠，王华，刘昌灵，张亚军，凌少平，
申请(专利权)人：志诺维思北京基因科技有限公司，
类型：发明
国别省市：