【技术实现步骤摘要】
本专利技术涉及医学图像处理，特别涉及一种wsi（whole slide imaging，全扫描图像）数字切片分割细化方法、装置、设备、介质及产品。
技术介绍
1、随着数字病理技术的不断进步，wsi技术已成为病理学诊断领域的关键工具。然而，千兆级wsi数字切片因其极高的分辨率和庞大的数据量，使得传统的语义分割方法难以有效应对。直接应用现有的深度学习模型进行分割不仅计算资源消耗巨大，处理速度慢，而且肿瘤区域与正常组织边界的模糊性也导致精准分割成为一大难题。
技术实现思路
1、本专利技术提供一种wsi数字切片分割细化方法、装置、设备、介质及产品，以解决如何在超大规模数字病理图像中精准分割肿瘤区域等问题。
2、本专利技术第一方面实施例提供一种对千兆级wsi数字切片肿瘤进行语义分割的多分辨率细化方法，包括以下步骤：获取全扫描图像wsi数字切片和肿瘤热图；对wsi数字切片进行数据预处理得到处理后的wsi数字切片；将处理后第一目标分辨率wsi数字切片输入级联卷积神经网络cnn（convolutional neural networks，卷积神经网络）模型，级联cnn模型输出第一目标分辨率wsi数字切片的语义分割结果；提取处理后第二目标分辨率wsi数字切片的全局信息，根据肿瘤热图和全局信息优化语义分割结果，基于优化后的语义分割结果生成标注有肿瘤区域的可视化结果，其中，第一目标分辨率大于第二目标分辨率。
3、可选地，级联cnn模型包括多个级联的cnn网络，多个级联的cnn网络
4、可选地，在将处理后第一目标分辨率wsi数字切片输入级联卷积神经网络cnn模型之前，还包括：获取wsi数字切片的局布信息和全局信息，其中，局布信息为wsi数字切片中图像区域的信息，全局信息为wsi数字切片整个区域的信息；根据局布信息和全局信息对多个级联的cnn网络进行肿瘤区域分割任务的联合训练。
5、可选地，根据局布信息和全局信息对多个级联的cnn网络进行肿瘤区域分割任务的联合训练，包括：选择同等比例不同分辨率下的wsi数字切片和同等比例的类标签；根据局布信息中肿瘤的斑块大小确定同等比例不同分辨率下的wsi数字切片中图像区域携带的类标签；根据携带有类标签的wsi数字切片和全局信息生成训练数据集；利用训练数据集对多个级联的cnn网络进行肿瘤区域分割任务的联合训练。
6、可选地，若肿瘤的斑块大小大于预设大小，则类标签为肿瘤标签，否则类标签为非肿瘤标签。
7、可选地，数据预处理的方式包括图像格式转换、噪声去除和对比度增强的至少一种。
8、本专利技术第二方面实施例提供一种对千兆级wsi数字切片肿瘤进行语义分割的多分辨率细化装置，包括：获取模块，用于获取全扫描图像wsi数字切片和肿瘤热图；预处理模块，用于对wsi数字切片进行数据预处理得到处理后的wsi数字切片；分割模块，用于将处理后第一目标分辨率wsi数字切片输入级联卷积神经网络cnn模型，级联cnn模型输出第一目标分辨率wsi数字切片的语义分割结果；细化模块，用于提取处理后第二目标分辨率wsi数字切片的全局信息，根据肿瘤热图和全局信息优化语义分割结果，基于优化后的语义分割结果生成标注有肿瘤区域的可视化结果，其中，第一目标分辨率大于第二目标分辨率。
9、本专利技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序，以实现如上述的对千兆级wsi数字切片肿瘤进行语义分割的多分辨率细化方法。
10、本专利技术第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现上述的对千兆级wsi数字切片肿瘤进行语义分割的多分辨率细化方法。
11、本专利技术第五方面实施例提供一种计算机程序产品，其上存储有计算机程序或指令，计算机程序或指令被执行时，以实现上述的对千兆级wsi数字切片肿瘤进行语义分割的多分辨率细化方法。
12、由此，本专利技术具有如下有益效果：
13、本专利技术通过采用级联cnn模型设计，使得级联cnn模型能够逐步优化和细化分割结果，每一阶段的cnn网络都针对特定的分割任务进行训练，从而实现了从粗到细的分割过程，且这种逐步细化的方式相较于传统的单一网络结构，能够更准确地捕捉肿瘤区域的细节信息，显著提高分割精度，因此级联cnn模型设计有助于提高分割的准确性。本专利技术还引入了多分辨率细化策略，通过结合不同分辨率下的特征信息，能够消除碎片化和像素化问题，进一步提高分割结果的连续性和准确性；同时，多分辨率细化策略能够更好地利用图像中的全局和局部信息，使得分割结果更加贴近实际病理情况，因此多分辨率细化策略有助于提升分割结果的视觉效果和诊断准确性。由此，本专利技术通过结合级联cnn设计和多分辨率细化策略，实现对肿瘤区域的精准分割，为病理学诊断提供可靠的依据。
14、本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种对千兆级WSI数字切片肿瘤进行语义分割的多分辨率细化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的对千兆级WSI数字切片肿瘤进行语义分割的多分辨率细化方法，其特征在于，所述级联CNN模型包括多个级联的CNN网络，所述多个级联的CNN网络将所述第一目标分辨率WSI数字切片分割为多个图像区域。
3.根据权利要求1所述的对千兆级WSI数字切片肿瘤进行语义分割的多分辨率细化方法，其特征在于，在将处理后第一目标分辨率WSI数字切片输入级联卷积神经网络CNN模型之前，还包括：
4.根据权利要求3所述的对千兆级WSI数字切片肿瘤进行语义分割的多分辨率细化方法，其特征在于，所述根据所述局布信息和所述全局信息对所述多个级联的CNN网络进行肿瘤区域分割任务的联合训练，包括：
5.根据权利要求4所述的对千兆级WSI数字切片肿瘤进行语义分割的多分辨率细化方法，其特征在于，若所述肿瘤的斑块大小大于预设大小，则所述类标签为肿瘤标签，否则所述类标签为非肿瘤标签。
6.根据权利要求1所述的对千兆级WSI数字切片肿瘤进行语义分割的多分
7.一种对千兆级WSI数字切片肿瘤进行语义分割的多分辨率细化装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现权利要求1-6任一项所述的对千兆级WSI数字切片肿瘤进行语义分割的多分辨率细化方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现权利要求1-6任一项所述的对千兆级WSI数字切片肿瘤进行语义分割的多分辨率细化方法。
10.一种计算机程序产品，其上存储有计算机程序或指令，其特征在于，所述计算机程序或指令被执行时，以实现权利要求1-6任一项所述的对千兆级WSI数字切片肿瘤进行语义分割的多分辨率细化方法。
...【技术特征摘要】
1.一种对千兆级wsi数字切片肿瘤进行语义分割的多分辨率细化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的对千兆级wsi数字切片肿瘤进行语义分割的多分辨率细化方法，其特征在于，所述级联cnn模型包括多个级联的cnn网络，所述多个级联的cnn网络将所述第一目标分辨率wsi数字切片分割为多个图像区域。
3.根据权利要求1所述的对千兆级wsi数字切片肿瘤进行语义分割的多分辨率细化方法，其特征在于，在将处理后第一目标分辨率wsi数字切片输入级联卷积神经网络cnn模型之前，还包括：
4.根据权利要求3所述的对千兆级wsi数字切片肿瘤进行语义分割的多分辨率细化方法，其特征在于，所述根据所述局布信息和所述全局信息对所述多个级联的cnn网络进行肿瘤区域分割任务的联合训练，包括：
5.根据权利要求4所述的对千兆级wsi数字切片肿瘤进行语义分割的多分辨率细化方法，其特征在于，若所述肿瘤的斑块大小大于预设大小，则所述类标签为肿瘤标签，否则所述类标签为非肿...
【专利技术属性】
技术研发人员：方润，谢建精，曾立平，廖乘胜，曾立波，
申请(专利权)人：杭州希诺智能医学有限公司，
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。