技术新讯 > 计算推算,计数设备的制造及其应用技术 > 切片染色方法、装置、终端设备及存储介质  >  正文

切片染色方法、装置、终端设备及存储介质

  • 国知局
  • 2024-07-31 23:21:14

本技术属于数字切片染色,尤其涉及一种切片染色方法、装置、终端设备及存储介质。

背景技术:

1、切片染色是一种医学影像处理技术,将未染色的医学图像切片转换为彩色图像,可以增强图像信息呈现,提升医学图像诊断的准确性和可视化效果。

2、相关技术中,由于切片染色中使用的染色试剂不一、且各用户单位对染色技术掌握不一,从而导致切片染色存在染色不标准的问题。

技术实现思路

1、本技术实施例提供了一种切片染色方法、装置、终端设备及存储介质,可以解决目前切片染色中采用不同试剂染色或使用不同的染色方法,从而导致切片染色存在染色不标准的问题。

2、第一方面,本技术实施例提供了一种切片染色方法,包括:获取未染色切片对应的黑白图像;将黑白图像输入至预设染色模型,输出黑白图像对应的预测彩色图像,预设染色模型包括动态扩展生成网络和对抗网络;根据预测彩色图像对所述未染色切片进行染色处理。

3、在第一方面的一种可能的实现方式中,上述将黑白图像输入至预设染色模型,输出黑白图像对应的预测彩色图像,包括:

4、将黑白图像输入至动态扩展生成网络,输出黑白图像对应的预测彩色图像。

5、可选的,在第一方面的另一种可能的实现方式中,动态扩展生成网络包括条件判断模块、卷积模块、残差模块以及逆卷积模块,上述将黑白图像输入至动态扩展生成网络,输出黑白图像对应的预测彩色图像,包括:

6、获取黑白图像的分辨率,并将黑白图像的分辨率输入至条件判断模块,输出网络结构调整参数;

7、根据网络结构调整参数,调整卷积模块中卷积层的宽度和深度、残差模块中残差网络层的深度和宽度以及逆卷积模块中的逆卷积层的宽度和深度;

8、将黑白图像输入至卷积模块,输出第一特征图;

9、将第一特征图输入至残差模块,输出第二特征图;

10、将第二特征图输入至逆卷积模块,输出黑白图像对应的预测彩色图像。

11、可选的,在第一方面的另一种可能的实现方式中,在上述将黑白图像输入至动态扩展生成网络,输出黑白图像对应的预测彩色图像之后,还包括:

12、将预测彩色图像和任一真实彩色图像输入至对抗网络,输出预测彩色图像的判别结果和真实彩色图像的判别结果;

13、根据预测彩色图像的判别结果和真实彩色图像的判别结果,确定均方误差;

14、根据均方误差,确定对抗网络的损失函数,并根据对抗网络的损失函数优化对抗网络。

15、可选的,在第一方面的另一种可能的实现方式中,对抗网络包括卷积模块、池化模块以及激活函数层,上述将预测彩色图像和任一真实彩色图像输入至对抗网络,输出预测彩色图像的判别结果和真实彩色图像的判别结果,包括:

16、将预测彩色图像和真实彩色图像分别输入至卷积模块,输出预测彩色图像的卷积特征图和真实彩色图像的卷积特征图;

17、将预测彩色图像的卷积特征图和真实彩色图像的卷积特征图分别输入至池化模块,输出预测彩色图像的池化特征图和真实彩色图像的池化特征图;

18、将预测彩色图像的池化特征图和真实彩色图像的池化特征图分别输入至激活函数层,输出预测彩色图像的判别结果和真实彩色图像的判别结果。

19、可选的,在第一方面的另一种可能的实现方式中,在上述将黑白图像输入至动态扩展生成网络,输出黑白图像对应的预测彩色图像之后,还包括:

20、根据黑白图像对应的预测彩色图像和任一真实彩色图像,确定绝对误差值;

21、根据绝对误差值,确定动态扩展生成网络的损失函数,并根据动态扩展生成网络的损失函数优化动态扩展生成网络。

22、可选的,在第一方面的另一种可能的实现方式中,在上述根据预测彩色图像对未染色切片进行染色处理,获取染色切片之后,还包括:

23、获取未染色切片任一相邻未染色切片,并获取相邻未染色切片的黑白图像;

24、根据未染色切片的黑白图像和相邻未染色切片的黑白图像,生成拼接黑白图像,拼接黑白图象由对未染色切片的黑白图像截取的一半图像和对相邻未染色切片的黑白图像截取的一半图像拼接组成;

25、将未染色切片的黑白图像经过截取后剩下的一半图像、相邻未染色切片的黑白图像经过截取后剩下的一半图像以及拼接黑白图像分别输入至预设染色模型,输出未染色切片的黑白图像经过截取后剩下的一半图像对应的预测彩色图像、相邻未染色切片的黑白图像经过截取后剩下的一半图像对应的预测彩色图像以及拼接黑白图像对应的预测彩色图像;

26、根据距离加权融合算法对未染色切片的黑白图像经过截取后剩下的一半图像对应的预测彩色图像、相邻未染色切片的黑白图像经过截取后剩下的一半图像对应的预测彩色图像以及拼接黑白图像对应的预测彩色图像进行拼接融合处理,生成拼接预测彩色图像。

27、第二方面,本技术实施例提供了一种切片染色装置,包括:获取模块,用于获取未染色切片对应的黑白图像;预测模块,用于将所述黑白图像输入至预设染色模型,输出所述黑白图像对应的预测彩色图像,所述预设染色模型包括动态扩展生成网络和对抗网络;染色模块,用于根据所述预测彩色图像对所述未染色切片进行染色处理。

28、在第二方面的一种可能的实现方式中,上述预测模块,包括:

29、预测单元,用于将黑白图像输入至动态扩展生成网络,输出黑白图像对应的预测彩色图像。

30、在第二方面的一种可能的实现方式中,动态扩展生成网络包括条件判断模块、卷积模块、残差模块以及逆卷积模块,上述预测单元,具体用于:

31、获取黑白图像的分辨率,并将黑白图像的分辨率输入至条件判断模块,输出网络结构调整参数;

32、根据网络结构调整参数,调整卷积模块中卷积层的宽度和深度、残差模块中残差网络层的深度和宽度以及逆卷积模块中的逆卷积层的宽度和深度;

33、将黑白图像输入至卷积模块,输出第一特征图;

34、将第一特征图输入至残差模块,输出第二特征图;

35、将第二特征图输入至逆卷积模块,输出黑白图像对应的预测彩色图像。

36、可选的,在第二方面的另一种可能的实现方式中,上述预测模块,还包括:

37、判别单元,用于将预测彩色图像和任一真实彩色图像输入至对抗网络,输出预测彩色图像的判别结果和真实彩色图像的判别结果;

38、第一确定单元,用于根据预测彩色图像的判别结果和真实彩色图像的判别结果,确定均方误差;

39、第一优化单元,用于根据均方误差,确定对抗网络的损失函数,并根据对抗网络的损失函数优化对抗网络。

40、可选的,在第二方面的另一种可能的实现方式中,对抗网络包括卷积模块、池化模块以及激活函数层,上述判别单元,具体用于:

41、将预测彩色图像和真实彩色图像分别输入至卷积模块,输出预测彩色图像的卷积特征图和真实彩色图像的卷积特征图;

42、将预测彩色图像的卷积特征图和真实彩色图像的卷积特征图分别输入至池化模块,输出预测彩色图像的池化特征图和真实彩色图像的池化特征图;

43、将预测彩色图像的池化特征图和真实彩色图像的池化特征图分别输入至激活函数层,输出预测彩色图像的判别结果和真实彩色图像的判别结果。

44、可选的,在第二方面的另一种可能的实现方式中,上述预测模块,还包括:

45、第二确定单元,用于根据黑白图像对应的预测彩色图像和任一真实彩色图像,确定绝对误差值;

46、第二优化单元,用于根据绝对误差值,确定动态扩展生成网络的损失函数,并根据动态扩展生成网络的损失函数优化动态扩展生成网络。

47、可选的,在第二方面的另一种可能的实现方式中,上述装置,还包括:

48、第二获取模块,用于获取未染色切片任一相邻未染色切片,并获取相邻未染色切片的黑白图像;

49、生成模块,用于根据未染色切片的黑白图像和相邻未染色切片的黑白图像,生成拼接黑白图像,拼接黑白图象由对未染色切片的黑白图像截取的一半图像和对相邻未染色切片的黑白图像截取的一半图像拼接组成;

50、输出模块,用于将未染色切片的黑白图像经过截取后剩下的一半图像、相邻未染色切片的黑白图像经过截取后剩下的一半图像以及拼接黑白图像分别输入至预设染色模型,输出未染色切片的黑白图像经过截取后剩下的一半图像对应的预测彩色图像、相邻未染色切片的黑白图像经过截取后剩下的一半图像对应的预测彩色图像以及拼接黑白图像对应的预测彩色图像;

51、拼接融合模块,用于根据距离加权融合算法对未染色切片的黑白图像经过截取后剩下的一半图像对应的预测彩色图像、相邻未染色切片的黑白图像经过截取后剩下的一半图像对应的预测彩色图像以及拼接黑白图像对应的预测彩色图像进行拼接融合处理,生成拼接预测彩色图像。

52、第三方面,本技术实施例提供了一种终端设备,包括:存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,其中,处理器执行计算机程序时实现如前述的切片染色方法。

53、第四方面,本技术实施例提供了一种计算机可读存储介质,其上存储有计算机程序,上述计算机程序被处理器执行时实现如前述的切片染色方法。

54、在本技术技术方案,通过获取未染色切片对应的黑白图像,将黑白图像输入至预设染色模型,输出黑白图像对应的预测彩色图像,其中预设染色模型包括动态扩展生成网络和对抗网络,再根据预测彩色图像对未染色切片进行染色处理。本技术提供的方法通过预设染色模型对黑白图像进行特征提取,从而根据黑白图像生成预测彩色图像,进一步的对未染色切片进行染色处理,由此提升了切片染色的准确性。

本文地址:https://www.jishuxx.com/zhuanli/20240730/197158.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。