一种组织病理切片气泡检测方法与流程

本发明涉及图像检测，更具体的说是涉及一种组织病理切片气泡检测方法。

背景技术：

1、数字病理切片技术的发展极大促进了智慧医疗的发展，对组织病理切片的质量控制是数字病理诊断的前提与基础，直接影响最终的诊断结果。组织病理切片在制作、存储与扫描中操作不当均有可能导致气泡的产生，无论是边缘未破裂的封片气泡还是破裂后形成空气弥散的摊片气泡均会降低组织切片质量。

2、现有组织病理切片质量控制方法中少量工作研究了封片气泡的检测算法，主要方法及其缺点介绍如下：

3、1)基于人机交互的气泡检测方法

4、anowczyk a等公开了一种开源的数字病理切片质量控制工具，该工具结合了显著图像伪影特征和监督分类器等技术对气泡进行检测。该方法需要用户通过交互式图形界面调整气泡缺陷区域，自动化程度不够高，且只能检测特征显著的气泡区域，无法定位识别细小的气泡缺陷。

5、2)基于图像块分类的气泡检测方法

6、shakhawat h m等提出一种基于病理全切片图像块分类的封片气泡检测技术，利用封片气泡边缘区域颜色较深的特点进行伪影识别，进而对图像块中是否含有气泡进行分类。该方法计算流程复杂、资源消耗大，无法精准定位封片气泡位置，分类结果虚景较多，且忽略了摊片气泡的检测。

7、因此，如何精准高效地识别并定位出组织病理切片数字图像中的异常气泡是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此，本发明提供了一种组织病理切片气泡检测方法，

2、为了实现上述目的，本发明采用如下技术方案：

3、首先，本发明公开了一种组织病理切片气泡检测方法，包括以下步骤：

4、获取组织病理的全切片图像并进行预处理；

5、将预处理后的全切片图像进行气泡检测，所述气泡检测包括封片气泡检测；

6、利用神经网络对气泡检测结果进行进一步筛查，得到最终的气泡检测结果。

7、进一步地，所述气泡检测还包括摊片气泡检测。

8、进一步地，所述摊片气泡检测，具体包括以下步骤：

9、将预处理后的全切片图像进行倍率调整，得到倍率放大图像；

10、对倍率放大图像进行高斯滤波，得到平滑图像；

11、对平滑图像进行rgb到hsv空间的色彩转换，并分离出亮度通道图像和饱和度通道图像；

12、对亮度通道图像进行大津阈值分割，得到组织深色区域分割掩码图；

13、对饱和度通道图像进行中值滤波，得到组织间隙掩码图；

14、对组织间隙掩码图进行形态学膨胀操作，得到延伸的组织间隙掩码图；

15、对延伸的组织间隙掩码图和组织深色区域分割掩码图进行逻辑交运算，得到摊片气泡候选区域图；

16、对平滑图像进行阈值分割得到包含组织区域的前景掩码图，并根据所述前景掩码图生成边界距离权重图；

17、将边界距离权重图与摊片气泡候选区域图进行点成，得到最终的摊片气泡区域图。

18、进一步地，所述预处理具体包括以下步骤：

19、将组织病理的全切片图像进行归一化处理，所述归一化处理包括亮度归一化处理和染色归一化处理。

20、进一步地，所述封片气泡检测，具体包括以下步骤：

21、将预处理后的全切片图像进行倍率调整，得到倍率放大图像；

22、对倍率放大图像进行颜色空间转换，得到灰度图像；

23、对灰度图像进行高斯滤波，得到平滑图像；

24、设置不同直径的检测算子，并利用不同直径的检测算子在平滑图像上进行进行霍夫圆变换，得到同心圆环状掩码图和同心圆点掩码图；

25、在同心圆环状掩码图中，以每组同心圆的圆心为种子点，进行水漫法分割，消除环状空隙，得到圆形区域掩码图；

26、将圆形区域掩码图与同心圆点掩码图进行相加合并操作，得到最终完整的封片气泡检测图。

27、进一步地，利用神经网络对气泡检测结果进行进一步筛查，具体包括以下步骤：

28、获取气泡检测结果图像，并将每个气泡缺陷的对应区域以及轮廓提取出来；

29、将提取结果调整为224×224的相同图像块大小，组成数据集；

30、加载预训练的vision transformer网络权重，用划分好的数据集对visiontransformer网络进行训练；

31、a)将训练好的网络用于待筛查气泡检测结果的检测，根据阈值t去除待筛查气泡检测结果中的误检结果。

32、其次，本发明还公开了另外一种组织病理切片气泡检测方法，包括以下步骤：

33、获取组织病理的全切片图像并进行预处理；

34、将预处理后的全切片图像进行气泡检测，所述气泡检测包括摊片气泡检测；

35、利用神经网络对气泡检测结果进行进一步筛查，得到最终的气泡检测结果。

36、进一步地，所述气泡检测还包括封片气泡检测。

37、进一步地，所述封片气泡检测，具体包括以下步骤：

38、将预处理后的全切片图像进行倍率调整，得到倍率放大图像；

39、对倍率放大图像进行颜色空间转换，得到灰度图像；

40、对灰度图像进行高斯滤波，得到平滑图像；

41、设置不同直径的检测算子，并利用不同直径的检测算子在平滑图像上进行进行霍夫圆变换，得到同心圆环状掩码图和同心圆点掩码图；

42、在同心圆环状掩码图中，以每组同心圆的圆心为种子点，进行水漫法分割，消除环状空隙，得到圆形区域掩码图；

43、将圆形区域掩码图与同心圆点掩码图进行相加合并操作，得到最终完整的封片气泡检测图。

44、进一步地，所述预处理具体包括以下步骤：

45、将组织病理的全切片图像进行归一化处理，所述归一化处理包括亮度归一化处理和染色归一化处理。

46、进一步地，所述摊片气泡检测，具体包括以下步骤：

47、将预处理后的全切片图像进行倍率调整，得到倍率放大图像；

48、对倍率放大图像进行高斯滤波，得到平滑图像；

49、对平滑图像进行rgb到hsv空间的色彩转换，并分离出亮度通道图像和饱和度通道图像；

50、对亮度通道图像进行大津阈值分割，得到组织深色区域分割掩码图；

51、对饱和度通道图像进行中值滤波，得到组织间隙掩码图；

52、对组织间隙掩码图进行形态学膨胀操作，得到延伸的组织间隙掩码图；

53、对延伸的组织间隙掩码图和组织深色区域分割掩码图进行逻辑交运算，得到摊片气泡候选区域图；

54、对平滑图像进行阈值分割得到包含组织区域的前景掩码图，并根据所述前景掩码图生成边界距离权重图；

55、将边界距离权重图与摊片气泡候选区域图进行点成，得到最终的摊片气泡区域图。

56、进一步地，利用神经网络对气泡检测结果进行进一步筛查，具体包括以下步骤：

57、获取气泡检测结果图像，并将每个气泡缺陷的对应区域以及轮廓提取出来；

58、将提取结果调整为224×224的相同图像块大小，组成数据集；

59、加载预训练的vision transformer网络权重，用划分好的数据集对visiontransformer网络进行训练；

60、将训练好的网络用于待筛查气泡检测结果的检测，根据阈值t去除待筛查气泡检测结果中的误检结果。

61、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种组织病理切片气泡检测方法，具有以下有益效果：

62、本发明能够利用自动化技术配合神经网络，能够精准高效地识别并定位出组织病理切片数字图像中的异常气泡。

63、本发明能够对组织病理切片数字图像中的封片气泡和摊片气泡进行全面检测。