【技术实现步骤摘要】
本专利技术属于图像重建，具体涉及一种基于病理图片高分辨率图像重建方法及系统。
技术介绍
1、随着医疗技术的不断发展，病理诊断已成为疾病诊断的重要手段之一。在病理诊断中，病理医生需要观察病理切片的显微镜图像，以确定病变的性质和程度。然而，传统的病理切片的制作过程较为繁琐，且不易保存和运输，这限制了病理医生对病理切片的获取和使用。近年来，随着数字病理学的发展，高分辨率的数字病理图像逐渐取代了传统的病理切片，成为了病理医生诊断的重要依据。数字病理图像具有高分辨率、高清晰度、易于保存和传输等优点，可以满足病理医生对病理图像的多种需求。
2、然而，数字病理图像的获取过程中，由于光学系统的限制和扫描设备的分辨率等因素，常常存在一些失真和噪声等问题，这会影响病理医生对病变的判断和诊断。因此，如何对数字病理图像进行高分辨率重建，提高图像质量，是数字病理学领域的一个重要研究方向。
3、目前，针对数字病理图像的高分辨率重建，已有一些研究工作。其中一种常见的方法是使用超分辨率技术对低分辨率的病理图像进行重建。超分辨率技术可以通过学习低分辨率图像和高分辨率图像之间的映射关系，利用大量的训练数据来估计出高分辨率图像的细节信息。然而，由于病理图像的多样性和复杂性，现有的超分辨率技术往往难以准确地估计出高分辨率图像的细节信息，且计算复杂度较高，难以在实际应用中得到广泛应用。
技术实现思路
1、本专利技术的目的是提供一种基于病理图片高分辨率图像重建方法，能够提高低分辨率图像的清晰度，使其更
2、本专利技术采取的技术方案具体如下：
3、一种基于病理图片高分辨率图像重建方法，包括：
4、获取低分辨率病理图片；
5、获取像素点的识别频率，根据识别频率将低分辨率病理图片划分多个分辨区域，并在每一个分辨区域内构建像素坐标点；
6、获取像素插值模型，并根据像素坐标点，获取重建数据；
7、获取重建数据中模糊区域面积，判断模糊区域面积是否符合标准模糊评估区间；
8、若模糊区域面积属于标准模糊评估区间，则表明重建数据的清晰度符合要求；
9、若模糊区域面积超过标准模糊评估区间，则表明重建数据的清晰度不符合要求；
10、获取优化像素模型，并根据模糊区域面积，获取优化数据模糊波动趋势；
11、根据优化数据模糊波动趋势，获取高分辨率重建图像。
12、在一种优选方案中，所述获取像素点的识别频率，根据识别频率将低分辨率病理图片划分多个分辨区域，并在每一个分辨区域内构建像素坐标点的步骤，包括：
13、获取低分辨率病理图片的所有像素点；
14、获取识别低分辨率病理图片中像素点的识别频率；
15、获取低分辨率病理图片面积；
16、根据识别频率将低分辨率病理图片面积划分多个分辨区域；
17、在每一个分辨区域内构建分辨坐标系；
18、获取每一个分辨坐标系内的像素坐标点。
19、在一种优选方案中，所述获取像素插值模型，并根据像素坐标点，获取重建数据的步骤，包括：
20、获取像素插值模型；
21、从像素插值模型中获取像素插值函数；
22、获取相邻且呈矩形分布的四个像素坐标点；
23、获取低分辨率病理图片扩大至高分辨图像的分辨率扩大倍数；
24、将相邻且成矩形分布的四个像素坐标点输入至像素插值函数中，并根据分辨率扩大倍数，得出相邻且成矩形分布的四个像素坐标点内的分辨率扩大倍数的像素插入值；
25、根据像素插入值，获取重建数据。
26、在一种优选方案中，所述像素插值函数为：
27、
28、其中，q表示为像素插入值，i表示为相邻且成矩形分布的四个像素坐标点的x轴坐标，j表示为相邻且成矩形分布的四个像素坐标点的y轴坐标，x1<x2，y1<y2，aij表示为相邻且成矩形分布的四个像素坐标点的像素值，z表示为相邻且成矩形分布的四个像素坐标点内像素插入值的x轴坐标，h表示为相邻呈成矩形分布的四个像素坐标点内像素插入值的y轴坐标。
29、在一种优选方案中，所述获取重建数据中模糊区域面积，判断模糊区域面积是否符合标准模糊评估区间的步骤，包括：
30、获取模糊面积模型；
31、从模糊面积模型中获取模糊面积函数；
32、获取重建数据中模糊区域的像素坐标点；
33、将模糊区域面积的像素坐标点输入至模糊面积函数，得到模糊区域面积；
34、获取重建数据标准模糊评估区间；
35、判断模糊区域面积是否符合标准模糊评估区间；
36、若模糊区域面积属于标准模糊评估区间，则表明重建数据的清晰度符合要求，使重建数据输出为高分辨率重建图像；
37、若模糊区域面积超过标准模糊评估区间，则表明重建数据的清晰度不符合要求，重新进行重建数据。
38、在一种优选方案中，所述模糊面积函数为：
39、
40、其中，s表示为模糊区域面积，m表示为模糊区域的像素坐标点的编号，n表示为模糊区域的像素坐标点的总数，k表示为模糊区域的x轴像素坐标点，l表示为模糊区域的y轴像素坐标点。
41、在一种优选方案中，所述获取优化像素模型，并根据模糊区域面积，获取优化数据模糊波动趋势的步骤，包括：
42、获取优化像素模型；
43、从优化像素模型中获取，优化像素函数；
44、获取超过标准模糊评估区间的重建数据模糊区域面积；
45、将重建数据模糊区域面积代入优化像素函数，得到优化像素值；
46、根据优化像素值，获取优化数据；
47、获取优化数据的模糊区域面积；
48、将优化数据的模糊区域面积与上一次模糊区域面积做对比，获取模糊区域面积的变化趋势。
49、在一种优选方案中，所述根据优化数据模糊波动趋势，获取高分辨率重建图像的步骤，包括：
50、获取优化数据模糊波动趋势；
51、若模糊区域面积为降低趋势，则表明清晰度逐渐提升，并选取补偿值代入优化像素函数并与像素插值函数相乘得到补偿像素插入值，根据补偿像素插入值使优化数据进行再次重建；
52、若模糊区域面积为扩大趋势，则表明清晰度逐渐降低，并选取补偿值代入优化像素函数对像素插值函数相乘得到补偿像素插入值，根据补偿像素插入值使优化数据进行再次重建；
53、获取再次重建数据的模糊区域面积，并判断模糊区域面积是否符合标准模糊评估区间；
54、若模糊区域面积属于标准模糊评估区间，则表明重建数据的清晰度符合要求，使重建数据输出为高分辨率重建图像；
55、若模糊区域面积超过标准模糊评估区间，则本文档来自技高网...
【技术保护点】
1.一种基于病理图片高分辨率图像重建方法，其特征在于，包括：
2.根据权利要求1所述的基于病理图片高分辨率图像重建方法，其特征在于，所述获取像素点的识别频率，根据识别频率将低分辨率病理图片划分多个分辨区域，并在每一个分辨区域内构建像素坐标点的步骤，包括：
3.根据权利要求1所述的基于病理图片高分辨率图像重建方法，其特征在于，所述获取像素插值模型，并根据像素坐标点，获取重建数据的步骤，包括：
4.根据权利要求3所述的基于病理图片高分辨率图像重建方法，其特征在于，所述像素插值函数为：
5.根据权利要求3所述的基于病理图片高分辨率图像重建方法，其特征在于，所述获取重建数据中模糊区域面积，判断模糊区域面积是否符合标准模糊评估区间的步骤，包括：
6.根据权利要求5所述的基于病理图片高分辨率图像重建方法，其特征在于，所述模糊面积函数为：
7.根据权利要求5所述的基于病理图片高分辨率图像重建方法，其特征在于，所述获取优化像素模型，并根据模糊区域面积，获取优化数据模糊波动趋势的步骤，包括：
8.根据权利要求7所述
9.根据权利要求8所述的基于病理图片高分辨率图像重建方法，其特征在于，所述优化像素函数为：
10.一种基于病理图片高分辨率图像重建系统，应用于权利要求1至9任意一项所述的基于病理图片高分辨率图像重建方法，其特征在于，包括：
...【技术特征摘要】
1.一种基于病理图片高分辨率图像重建方法，其特征在于，包括：
2.根据权利要求1所述的基于病理图片高分辨率图像重建方法，其特征在于，所述获取像素点的识别频率，根据识别频率将低分辨率病理图片划分多个分辨区域，并在每一个分辨区域内构建像素坐标点的步骤，包括：
3.根据权利要求1所述的基于病理图片高分辨率图像重建方法，其特征在于，所述获取像素插值模型，并根据像素坐标点，获取重建数据的步骤，包括：
4.根据权利要求3所述的基于病理图片高分辨率图像重建方法，其特征在于，所述像素插值函数为：
5.根据权利要求3所述的基于病理图片高分辨率图像重建方法，其特征在于，所述获取重建数据中模糊区域面积，判断模糊区域面积是否符合标准模糊评估区间的...
【专利技术属性】
技术研发人员：朱勇杰，刘冲，王芸，苏明，陈美君，李亮，彭俊龙，
申请(专利权)人：阿克苏地区第一人民医院，
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。