CN111681738A - 基于病理切片扫描和分析一体化方法、装置、设备及介质 - Google Patents
基于病理切片扫描和分析一体化方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111681738A CN111681738A CN202010520678.8A CN202010520678A CN111681738A CN 111681738 A CN111681738 A CN 111681738A CN 202010520678 A CN202010520678 A CN 202010520678A CN 111681738 A CN111681738 A CN 111681738A
- Authority
- CN
- China
- Prior art keywords
- pathological
- scanning
- digital
- pathological section
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000001575 pathological effect Effects 0.000 title claims abstract description 404
- 238000004458 analytical method Methods 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000010827 pathological analysis Methods 0.000 claims abstract description 93
- 230000007170 pathology Effects 0.000 claims abstract description 70
- 230000010354 integration Effects 0.000 claims abstract description 16
- 230000002159 abnormal effect Effects 0.000 claims description 40
- 239000011521 glass Substances 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000004907 flux Effects 0.000 description 3
- BSYNRYMUTXBXSQ-UHFFFAOYSA-N Aspirin Chemical compound CC(=O)OC1=CC=CC=C1C(O)=O BSYNRYMUTXBXSQ-UHFFFAOYSA-N 0.000 description 2
- 206010008342 Cervix carcinoma Diseases 0.000 description 2
- 206010035664 Pneumonia Diseases 0.000 description 2
- 206010044302 Tracheitis Diseases 0.000 description 2
- 208000006105 Uterine Cervical Neoplasms Diseases 0.000 description 2
- 201000010881 cervical cancer Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007489 histopathology method Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Radiology & Medical Imaging (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及人工智能技术领域,揭露了一种基于病理切片的扫描和分析一体化方法,所述方法包括:集成预构建的病理扫描***及一个预构建的病理分析***,得到病理扫描分析***;利用所述病理扫描***中的扫描仪对数字病理切片集进行图像扫描,生成数字病理切片图像集;基于所述病理扫描分析***病理分析***,对所述数字病理切片图像集中的每一个数字病理切片图像进行病理分析,得到所述数字病理切片图像的病理分析结果;利用阅片软件读取并输出所述数字病理切片图像的病理扫描分析结果。本发明还涉及区块链技术,所述数字病理切片图像集可部署于区块链节点中。本发明可以实现病理切片的扫描和分析一体化。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于病理切片的扫描和分析一体化的方法、装置、电子设备及计算机可读存储介质。
背景技术
病理切片检查是临床上诊断的金标准,应用于大量的临床工作及科学研究中,根据病理切片的检查结果可以帮助医生更好的进行病理诊断。
目前关于病理切片的检查主要是通过病理扫描***将待检查的病理切片转换为数字化病理图像,再利用智能分析算法分析出所述数字化病理图像的病理信息。但是基于上述的方法存在如下弊端:无法根据病理切片数字化的结果实时进行数字化病理图像的智能分析,即需要导出数字化病理图像之后,再进行数字化病理图像智能分析,从而无法处理大批量的病理切片检查,进而会影响病理切片检查的检查效率。
因此,亟待需要一种实现病理切片扫描和分析一体化的方案。
发明内容
本发明提供一种基于病理切片的扫描和分析一体化的方法、装置、电子设备及计算机可读存储介质,其主要目的在于实现基于病理切片的扫描和分析一体化。
为实现上述目的,本发明提供的一种基于病理切片的扫描和分析一体化方法,包括:
集成预构建的病理扫描***及一个预构建的病理分析***,得到病理扫描分析***;
利用所述病理扫描分析***中的扫描仪对数字病理切片集进行图像扫描,生成数字病理切片图像集;
基于所述病理扫描分析***的病理分析***,对所述数字病理切片图像集中的每一个数字病理切片图像进行病理分析,得到所述数字病理切片图像的病理分析结果;
利用阅片软件读取并输出所述数字病理切片图像的病理扫描分析结果。
可选地,所述将构建的病理分析***集成至所述病理扫描***中,得到病理扫描分析***,包括:
获取所述病理扫描***中扫描仪的API接口参数;
根据所述API接口参数,查询所述扫描仪的外部***连接配置文件;
根据所述外部***连接配置文件,配置所述病理分析***的接口参数;
根据配置后的所述病理分析***的接口参数,利用预设驱动程序将所述病理分析***导入至所述病理扫描***中。
可选地,所述利用所述病理扫描分析***中的扫描仪对数字病理切片集进行图像扫描,生成数字病理切片图像集,包括:
基于先入先出的顺序,将放置于所述病理扫描分析***的载玻片中的数字病理切片传输至所述扫描仪中;
通过所述扫描仪中的物镜观察所述载玻片中所存在的区域图像;
对所述区域图像进行聚焦,生成所述区域图像的聚焦点;
根据所述聚焦点,确定所述载玻片中数字病理切片的图像生成函数;
根据所述图像生成函数,生成所述载玻片中数字病理切片的数字病理切片图像,根据所述数字病理切片图像,得到所述数字病理切片图像集。
可选地,所述基于所述病理扫描分析***的病理分析***,对所述数字病理切片图像集中的每一个数字病理切片图像进行病理分析,得到所述数字病理切片图像的病理分析结果,包括:
对所述数字病理切片图像进行伽马矫正,得到目标数字病理切片图像;
提取所述目标数字病理切片图像的特征图像,得到特征数字病理切片图像;
计算出所述特征数字病理切片图像的异常组织细胞的坐标信息和类别,得到所述数字病理切片图像的病理分析结果。
可选地,所述计算出所述特征数字病理切片图像的异常组织细胞的坐标信息和类别,包括:
获取所述特征数字病理切片图像中异常组织细胞的真实坐标框;
计算所述特征数字病理切片图像的异常组织细胞第一预测坐标框,计算所述第一预测坐标框与所述真实坐标框的第一交并比阈值,并筛选出所述第一交并比阈值大于预设第一阈值的第一预测坐标框,得到初始第一预测坐标框,根据所述初始第一预测坐标框生成第一预测数字病理切片图像区域;
计算所述第一预测数字病理切片图像区域的异常组织细胞第二预测坐标框,计算所述第二预测坐标框与所述真实坐标框的第二交并比阈值,并筛选出所述第二交并比阈值大于预设第二阈值的第二预测坐标框,得到初始第二预测坐标框,根据所述初始第二预测坐标框生成第二预测数字病理切片图像区域;
计算所述第二预测数字病理切片图像区域的异常组织细胞第三预测坐标框,计算所述第三预测坐标框与所述真实坐标框的第三交并比阈值,并筛选出所述第三交并比阈值大于预设第三阈值的第三预测坐标框,得到初始第三预测坐标框,根据所述初始第三预测坐标框生成第三预测数字病理切片图像区域;
根据所述第三预测数字病理切片图像区域,识别出所述特征数字病理切片图像的异常组织细胞的坐标信息和类别。
为了解决上述问题,本发明还提供一种基于病理切片的扫描和分析一体化装置,所述装置包括:
集成模块,用于集成预构建的病理扫描***及一个预构建的病理分析***,得到病理扫描分析***;
扫描模块,用于利用所述病理扫描分析***中的扫描仪对数字病理切片集进行图像扫描,生成数字病理切片图像集;
分析模块,用于基于所述病理扫描分析***的病理分析***,对所述数字病理切片图像集中的每一个数字病理切片图像进行病理分析,得到所述数字病理切片图像的病理分析结果;
读取及输出模块,用于利用阅片软件读取并输出所述数字病理切片图像的病理扫描分析结果。
可选地,所述集成模块具体用于:
获取所述病理扫描***中扫描仪的API接口参数,根据所述API接口参数,查询所述扫描仪的外部***连接配置文件;
根据所述外部***连接配置文件,配置所述病理分析***的接口参数,根据配置后的所述病理分析***的接口参数,利用预设驱动程序将所述病理分析***导入至所述病理扫描***中。
可选地,所述扫描模块具体用于:
基于先入先出的顺序,将放置于所述病理扫描分析***的载玻片中的数字病理切片传输至所述扫描仪中,通过所述扫描仪中的物镜观察所述载玻片中所存在的区域图像
对所述区域图像进行聚焦,生成所述区域图像的聚焦点,根据所述聚焦点,确定所述载玻片中数字病理切片的图像生成函数,根据所述图像生成函数,生成所述载玻片中数字病理切片的数字病理切片图像,根据所述数字病理切片图像,得到所述数字病理切片图像集。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述中所述的基于病理切片的扫描和分析一体化方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述中所述的基于病理切片的扫描和分析一体化方法。
本发明实施例集成预构建的病理扫描***及一个预构建的病理分析***,得到病理扫描分析***,本发明将病理分析***集成至病理扫描***中,实现了后续病理切片的扫描与分析的一体化;其次,本发明实施例获取数字病理切片集,将所述数字病理切片集保存至所述病理扫描分析***的载玻片中,利用所述病理扫描分析***中的扫描仪对载玻片中的数字病理切片进行图像扫描,生成数字病理切片图像,可以高通量处理大量病理切片,不需要额外的将扫描结果进行传输和转移处理;进一步地,本发明实施例基于所述病理扫描分析***的病理分析***,对每生成一个所述数字病理切片图像进行病理分析,得到所述数字病理切片图像的病理分析结果,实现了在病理切片扫描的同时进行智能分析病理数字化影像;利用阅片软件读取并输出所述数字病理切片图像的病理扫描分析结果。因此,本发明提出的一种基于病理切片的扫描和分析一体化方法、装置、电子设备以及计算机可读存储介质可以实现病理切片的扫描和分析一体化。
附图说明
图1为本发明第一实施例提供的基于病理切片的扫描和分析一体化方法的流程示意图;
图2为本发明第一实施例中图1提供的基于病理切片的扫描和分析一体化方法步骤S3的流程示意图;
图3为本发明第一实施例中图2提供的基于病理切片的扫描和分析一体化方法步骤S32的流程示意图;
图4为本发明第一实施例提供的基于病理切片的扫描和分析一体化装置的模块示意图;
图5为本发明第一实施例提供的实现基于病理切片的扫描和分析一体化方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将整合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供的基于病理切片的扫描和分析一体化方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于病理切片的扫描和分析一体化方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
本发明提供一种基于病理切片的扫描和分析一体化的方法。参照图1所示,为本发明一实施例提供的基于病理切片的扫描和分析一体化方法的流程示意图。在本实施例中,所述基于病理切片的扫描和分析一体化的方法包括:
S1、集成预构建的病理扫描***及一个预构建的病理分析***,得到病理扫描分析***。
在本发明的至少一个实施例中,所述病理扫描***是由软/硬件设施组合得到,其中,所述软件设施包括、但不限于:图像扫描软件、图像浏览软件以及图像和数据管理软件等,所述硬件设施包括、但不限于:扫描仪、载玻片以及输出设备等。所述病理扫描***用于将病理切片中所存在的病理信息转换为可存储的数字化图像,可以帮助医生进行病理诊断。
一个可选实施例中,所述病理扫描***的创建可选用当前较为成熟的技术,在此不做进一步阐述。
进一步地,由于所述病理扫描***仅仅只能扫描出病理切片的数字化图像信息,并不能直接对所述数字化图像信息进行病理分析,因此,本发明将一个预设的病理分析***集成至所述病理扫描***中,以实现对扫描出的数字化图像进行病理分析,从而可以实现病理切片的扫描与分析一体化,进而可以帮助用户更加高效快速的进行病理诊断。
较佳地,本发明实施例所述预设的病理分析***包括:残差网络(resnet)和区域生成网络(region proposal network,RPN),其中,所述resnet用于对后续扫描出的病理图像进行特征提取,所述RPN用于生成特征提取后的病理图像的预测框和对应病理异常类型。
一个可选实施例中,所述将构建的病理分析***集成至所述病理扫描***中,得到病理扫描分析***,包括:
获取所述病理扫描***中扫描仪的API(Application Programming Interface)接口参数,根据所述API接口参数,查询所述扫描仪的外部***连接配置文件,根据所述外部***连接配置文件,配置所述病理分析***的接口参数,根据配置后的所述病理分析***的接口参数,利用预设驱动程序将所述病理分析***导入至所述病理扫描***中。
可选的,所述预设的驱动程序通过java编程语言进行编译生成。
S2、利用所述病理扫描分析***中的扫描仪对数字病理切片集进行图像扫描,生成数字病理切片图像集。
在本发明的至少一个实施例中,所述数字病理切片集是由不同的数字病理切片进行组合得到,所述数字病理切片可以表征出病理切片所包含的病理信息,例如,所述数字病理切片可以为:***数字病理切片、气管炎数字病理切片以及肺炎数字病理切片等。
可选的,所述病理切片通过选取一定大小的组织细胞,利用病理组织学方法制成。
可选的,所述数字病理切片通过将制成后的病理切片输入至上述构建的病理扫描***中进行生成。
进一步地,为了后续更好的进行数字病理切片的扫描和分析,本发明实施例将所述数字病理切片集保存至所述病理扫描分析***的载玻片中,以实现后续大批量的数字病理切分的高效处理。
进一步地,本发明实施例中利用所述病理扫描分析***中的扫描仪对载玻片中的数字病理切片进行图像扫描,生成数字病理切片图像,包括:
基于先入先出的顺序,将放置于所述病理扫描分析***的所述载玻片中的数字病理切片传输至所述扫描仪中,通过所述扫描仪中的物镜观察所述载玻片中所存在的区域图像,对所述区域图像进行聚焦,生成所述区域图像的聚焦点,根据所述聚焦点,确定所述载玻片中数字病理切片的图像生成函数,根据所述图像生成函数,生成所述载玻片中数字病理切片的数字病理切片图像,根据所述数字病理切片图像,得到所述数字病理切片图像集。其中,需要强调的是,为进一步保证上述数字病理切片图像集的私密和安全性,上述数字病理切片图像集还可以存储于一区块链的节点中。
其中,所述先入先出的顺序指的是优先保存至载玻片的数字病理切片优先进行图像扫描,可以保证数字病理切片扫描的秩序性。
可选的,利用当前已知的图像聚焦工具对所述区域图像进行聚焦,例如HeliconFocus图像聚焦工具。
需要声明的是,本发明所采用数字病理切片的图像扫描技术与现有技术所不同的是:本发明通过聚焦手段生成的数字病理图像更为清晰,便于获取病理信息的病理分析。
S3、基于所述病理扫描分析***的病理分析***,对所述数字病理切片图像集中的每一个数字病理切片图像进行病理分析,得到所述数字病理切片图像的病理分析结果。
在本发明的至少一个实施例中,由于在上述S1中已经将病理分析***集成至病理扫描***中,因此,本发明可以实现对生成的数字病理切片图像同时进行病理分析。
详细地,参阅图2所示,所述基于所述病理扫描分析***的病理分析***,对所述数字病理切片图像集中的每一个数字病理切片图像进行病理分析,得到所述数字病理切片图像的病理分析结果,包括:
S30、对所述数字病理切片图像进行伽马矫正,得到目标数字病理切片图像。
一个可选实施例中,根据预设的伽马矫正阈值对所述数字病理切片图像进行伽马矫正矫正。可选的,所述伽马矫正阈值为0.7。
其中,所述伽马矫正用于将调节图像中的灰度值,即将图像中过于明亮的部分调节成适度灰度,将图像中过去暗黑的部分调节成合适灰度,通过所述伽马矫正可以增强数字病理切片图像的灰度值,从而可以提高后续数字病理切片图像的病理分析精确率。
S31、利用所述病理分析***中的残差网络提取出所述目标数字病理切片图像的特征图像,得到特征数字病理切片图像。
在本发明的其中一个实施例中,将所述目标数字病理切片图像输入至所述残差网络的特征提取器中进行卷积运算,生成所述特征数字病理切片图像。
其中,利用残差网络进行特征图像提取属于当前较为成熟的技术,本发明在此不做进一步的阐述。
S32、利用所述病理分析***中的区域生成网络计算出所述特征数字病理切片图像的异常组织细胞的坐标信息和类别,得到所述数字病理切片图像的病理分析结果。
详细地,参阅图3所示,所述利用所述病理分析***中的区域生成网络计算出所述特征数字病理切片图像的异常组织细胞的坐标信息和类别,包括:
S320、获取所述特征数字病理切片图像中异常组织细胞的真实坐标框,即标签值;
S321、利用所述病理分析***中的区域生成网络计算出所述特征数字病理切片图像的异常组织细胞第一预测坐标框,计算所述第一预测坐标框与所述真实坐标框的第一交并比阈值,并筛选出所述第一交并比阈值大于预设第一阈值的第一预测坐标框,得到初始第一预测坐标框,根据所述初始第一预测坐标框生成第一预测数字病理切片图像区域;
S322、利用所述病理分析***中的区域生成网络计算出所述第一预测数字病理切片图像区域的异常组织细胞第二预测坐标框,计算所述第二预测坐标框与所述真实坐标框的第二交并比阈值,并筛选出所述第二交并比阈值大于预设第二阈值的第二预测坐标框,得到初始第二预测坐标框,根据所述初始第二预测坐标框生成第二预测数字病理切片图像区域;
S323、利用所述病理分析***中的区域生成网络计算出所述第二预测数字病理切片图像区域的异常组织细胞第三预测坐标框,计算所述第三预测坐标框与所述真实坐标框的第三交并比阈值,并筛选出所述第三交并比阈值大于预设第三阈值的第三预测坐标框,得到初始第三预测坐标框,根据所述初始第三预测坐标框生成第三预测数字病理切片图像区域;
S324、根据所述第三预测数字病理切片图像区域,识别出所述特征数字病理切片图像的异常组织细胞的坐标信息和类别。
可选的,所述数字病理切片图像中异常组织细胞的真实坐标框通过大量的临床实验得到。
可选的,所述预设第一阈值为0.5,所述预设第二阈值为0.6,所述预设第三阈值为0.7。
进一步地,所述异常组织细胞的类别根据对应的坐标信息识别出,其类别可以为轻度异常组织细胞、中度异常组织细胞以及重度异常组织细胞等。
进一步地,需要声明的是,利用区域生成网络计算图像的预测坐标框属于当前较为成熟的现有技术,在此不做详细的阐述。
S4、利用阅片软件读取并输出所述数字病理切片图像的病理扫描分析结果。
可选的,所述阅片软件为病理影像阅片软件。
本发明实施例集成预构建的病理扫描***及一个预构建的病理分析***,得到病理扫描分析***,本发明将病理分析***集成至病理扫描***中,实现了后续病理切片的扫描与分析的一体化;其次,本发明实施例获取数字病理切片集,将所述数字病理切片集保存至所述病理扫描分析***的载玻片中,利用所述病理扫描分析***中的扫描仪对载玻片中的数字病理切片进行图像扫描,生成数字病理切片图像,可以高通量处理大量病理切片,不需要额外的将扫描结果进行传输和转移处理;进一步地,本发明实施例基于所述病理扫描分析***的病理分析***,对每生成一个所述数字病理切片图像进行病理分析,得到所述数字病理切片图像的病理分析结果,实现了在病理切片扫描的同时进行智能分析病理数字化影像;利用阅片软件读取并输出所述数字病理切片图像的病理扫描分析结果。因此,本发明提出的一种基于病理切片的扫描和分析一体化装置可以实现病理切片的扫描和分析一体化。
如图4所示,是本发明一实施例提供的基于病理切片的扫描和分析一体化装置的模块示意图。
本发明所述基于病理切片的扫描和分析一体化装置100可以安装于电子设备中。根据实现的功能,所述基于病理切片的扫描和分析一体化装置可以包括集成模块101、扫描模块102、分析模块103以及读取及分析模块104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述集成模块101,用于集成预构建的病理扫描***及一个预构建的病理分析***,得到病理扫描分析***。
在本发明的至少一个实施例中,所述病理扫描***是由软/硬件设施组合得到,其中,所述软件设施包括、但不限于:图像扫描软件、图像浏览软件以及图像和数据管理软件等,所述硬件设施包括、但不限于:扫描仪、载玻片以及输出设备等。所述病理扫描***用于将病理切片中所存在的病理信息转换为可存储的数字化图像,可以帮助医生进行病理诊断。
一个可选实施例中,所述病理扫描***的创建可选用当前较为成熟的技术,在此不做进一步阐述。
进一步地,由于所述病理扫描***仅仅只能扫描出病理切片的数字化图像信息,并不能直接对所述数字化图像信息进行病理分析,因此,本发明将一个预设的病理分析***集成至所述病理扫描***中,以实现对扫描出的数字化图像进行病理分析,从而可以实现病理切片的扫描与分析一体化,进而可以帮助用户更加高效快速的进行病理诊断。
较佳地,本发明实施例所述预设的病理分析***包括:残差网络(resnet)和区域生成网络(region proposal network,RPN),其中,所述resnet用于对后续扫描出的病理图像进行特征提取,所述RPN用于生成特征提取后的病理图像的预测框和对应病理异常类型。
一个可选实施例中,所述将构建的病理分析***集成至所述病理扫描***中,得到病理扫描分析***,包括:
获取所述病理扫描***中扫描仪的API接口参数,根据所述API接口参数,查询所述扫描仪的外部***连接配置文件;
根据所述外部***连接配置文件,配置所述病理分析***的接口参数,根据配置后的所述病理分析***的接口参数,利用预设驱动程序将所述病理分析***导入至所述病理扫描***中。
可选的,所述预设的驱动程序通过java编程语言进行编译生成。
所述扫描模块102,用于利用所述病理扫描分析***中的扫描仪对数字病理切片集进行图像扫描,生成数字病理切片图像集。
在本发明的至少一个实施例中,所述数字病理切片集是由不同的数字病理切片进行组合得到,所述数字病理切片可以表征出病理切片所包含的病理信息,例如,所述数字病理切片可以为:***数字病理切片、气管炎数字病理切片以及肺炎数字病理切片等。
可选的,所述病理切片通过选取一定大小的组织细胞,利用病理组织学方法制成。
可选的,所述数字病理切片通过将制成后的病理切片输入至上述构建的病理扫描***中进行生成。
进一步地,为了后续更好的进行数字病理切片的扫描和分析,本发明实施例将所述数字病理切片集保存至所述病理扫描分析***的载玻片中,以实现后续大批量的数字病理切分的高效处理。
进一步地,本发明实施例中利用所述病理扫描分析***中的扫描仪对载玻片中的数字病理切片进行图像扫描,生成数字病理切片图像,包括:
基于先入先出的顺序,将放置于所述病理扫描分析***的载玻片中的数字病理切片传输至所述扫描仪中,通过所述扫描仪中的物镜观察所述载玻片中所存在的区域图像
对所述区域图像进行聚焦,生成所述区域图像的聚焦点,根据所述聚焦点,确定所述载玻片中数字病理切片的图像生成函数,根据所述图像生成函数,生成所述载玻片中数字病理切片的数字病理切片图像,根据所述数字病理切片图像,得到所述数字病理切片图像集。
其中,需要强调的是,为进一步保证上述数字病理切片图像集的私密和安全性,上述数字病理切片图像集还可以存储于一区块链的节点中。
其中,所述先入先出的顺序指的是优先保存至载玻片的数字病理切片优先进行图像扫描,可以保证数字病理切片扫描的秩序性。
可选的,利用当前已知的图像聚焦工具对所述区域图像进行聚焦,例如HeliconFocus图像聚焦工具。
需要声明的是,本发明所采用数字病理切片的图像扫描技术与现有技术所不同的是:本发明通过聚焦手段生成的数字病理图像更为清晰,便于获取病理信息的病理分析。
所述分析模块103,用于基于所述病理扫描分析***的病理分析***,对所述数字病理切片图像集中的每一个数字病理切片图像进行病理分析,得到所述数字病理切片图像的病理分析结果。
在本发明的至少一个实施例中,由于在上述已经将病理分析***集成至病理扫描***中,因此,本发明可以实现对生成的数字病理切片图像同时进行病理分析。
详细地,参阅图2所示,所述基于所述病理扫描分析***的病理分析***,对所述数字病理切片图像集中的每一个数字病理切片图像进行病理分析,得到所述数字病理切片图像的病理分析结果,包括:
S30、对所述数字病理切片图像进行伽马矫正,得到目标数字病理切片图像。
一个可选实施例中,根据预设的伽马矫正阈值对所述数字病理切片图像进行伽马矫正矫正。可选的,所述伽马矫正阈值为0.7。
其中,所述伽马矫正用于将调节图像中的灰度值,即将图像中过于明亮的部分调节成适度灰度,将图像中过去暗黑的部分调节成合适灰度,通过所述伽马矫正可以增强数字病理切片图像的灰度值,从而可以提高后续数字病理切片图像的病理分析精确率。
S31、利用所述病理分析***中的残差网络提取出所述目标数字病理切片图像的特征图像,得到特征数字病理切片图像。
在本发明的其中一个实施例中,将所述目标数字病理切片图像输入至所述残差网络的特征提取器中进行卷积运算,生成所述特征数字病理切片图像。
其中,利用残差网络进行特征图像提取属于当前较为成熟的技术,本发明在此不做进一步的阐述。
S32、利用所述病理分析***中的区域生成网络计算出所述特征数字病理切片图像的异常组织细胞的坐标信息和类别,得到所述数字病理切片图像的病理分析结果。
详细地,参阅图3所示,所述利用所述病理分析***中的区域生成网络计算出所述特征数字病理切片图像的异常组织细胞的坐标信息和类别,包括:
S320、获取所述特征数字病理切片图像中异常组织细胞的真实坐标框,即标签值;
S321、利用所述病理分析***中的区域生成网络计算出所述特征数字病理切片图像的异常组织细胞第一预测坐标框,计算所述第一预测坐标框与所述真实坐标框的第一交并比阈值,并筛选出所述第一交并比阈值大于预设第一阈值的第一预测坐标框,得到初始第一预测坐标框,根据所述初始第一预测坐标框生成第一预测数字病理切片图像区域;
S322、利用所述病理分析***中的区域生成网络计算出所述第一预测数字病理切片图像区域的异常组织细胞第二预测坐标框,计算所述第二预测坐标框与所述真实坐标框的第二交并比阈值,并筛选出所述第二交并比阈值大于预设第二阈值的第二预测坐标框,得到初始第二预测坐标框,根据所述初始第二预测坐标框生成第二预测数字病理切片图像区域;
S323、利用所述病理分析***中的区域生成网络计算出所述第二预测数字病理切片图像区域的异常组织细胞第三预测坐标框,计算所述第三预测坐标框与所述真实坐标框的第三交并比阈值,并筛选出所述第三交并比阈值大于预设第三阈值的第三预测坐标框,得到初始第三预测坐标框,根据所述初始第三预测坐标框生成第三预测数字病理切片图像区域;
S324、根据所述第三预测数字病理切片图像区域,识别出所述特征数字病理切片图像的异常组织细胞的坐标信息和类别。
可选的,所述数字病理切片图像中异常组织细胞的真实坐标框通过大量的临床实验得到。
可选的,所述预设第一阈值为0.5,所述预设第二阈值为0.6,所述预设第三阈值为0.7。
进一步地,所述异常组织细胞的类别根据对应的坐标信息识别出,其类别可以为轻度异常组织细胞、中度异常组织细胞以及重度异常组织细胞等。
进一步地,需要声明的是,利用区域生成网络计算图像的预测坐标框属于当前较为成熟的现有技术,在此不做详细的阐述。
所述读取及输出模块104,用于利用阅片软件读取并输出所述数字病理切片图像的病理扫描分析结果。
可选的,所述阅片软件为病理影像阅片软件。
本发明实施例集成预构建的病理扫描***及一个预构建的病理分析***,得到病理扫描分析***,得到病理扫描分析***,本发明将病理分析***集成至病理扫描***中,实现了后续病理切片的扫描与分析的一体化;其次,本发明实施例获取数字病理切片集,将所述数字病理切片集保存至所述病理扫描分析***的载玻片中,利用所述病理扫描分析***中的扫描仪对载玻片中的数字病理切片进行图像扫描,生成数字病理切片图像,可以高通量处理大量病理切片,不需要额外的将扫描结果进行传输和转移处理;进一步地,本发明实施例基于所述病理扫描分析***的病理分析***,对每生成一个所述数字病理切片图像进行病理分析,得到所述数字病理切片图像的病理分析结果,实现了在病理切片扫描的同时进行智能分析病理数字化影像;利用阅片软件读取并输出所述数字病理切片图像的病理扫描分析结果。因此,本发明提出的一种基于病理切片的扫描和分析一体化装置可以实现病理切片的扫描和分析一体化。
如图5所示,是本发明一实施例提供的实现基于病理切片的扫描和分析一体化的方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于病理切片的扫描和分析一体化程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如基于病理切片的扫描和分析一体化程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如基于病理切片的扫描和分析一体化程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于病理切片的扫描和分析一体化程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
集成预构建的病理扫描***及一个预构建的病理分析***,得到病理扫描分析***;
利用所述病理扫描分析***中的扫描仪对数字病理切片集进行图像扫描,生成数字病理切片图像集;
基于所述病理扫描分析***的病理分析***,对所述数字病理切片图像集中的每一个数字病理切片图像进行病理分析,得到所述数字病理切片图像的病理分析结果;
利用阅片软件读取并输出所述数字病理切片图像的病理扫描分析结果。
具体地,所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。需要强调的是,为进一步保证上述原始数据集的私密和安全性,上述稽核数据还可以存储于一区块链的节点中。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于病理切片的扫描和分析一体化方法,其特征在于,所述方法包括:
集成预构建的病理扫描***及一个预构建的病理分析***,得到病理扫描分析***;
利用所述病理扫描分析***中的扫描仪对数字病理切片集进行图像扫描,生成数字病理切片图像集;
基于所述病理扫描分析***的病理分析***,对所述数字病理切片图像集中的每一个数字病理切片图像进行病理分析,得到所述数字病理切片图像的病理分析结果;
利用阅片软件读取并输出所述数字病理切片图像的病理扫描分析结果。
2.如权利要求1所述的基于病理切片的扫描和分析一体化方法,其特征在于,所述集成预构建的病理分析***及一个预构建的病理扫描***,包括:
获取所述病理扫描***中扫描仪的API接口参数;
根据所述API接口参数,查询所述扫描仪的外部***连接配置文件;
根据所述外部***连接配置文件,配置所述病理分析***的接口参数;
根据配置后的所述病理分析***的接口参数,利用预设驱动程序将所述病理分析***导入至所述病理扫描***中。
3.如权利要求1所述的基于病理切片的扫描和分析一体化方法,其特征在于,所述利用所述病理扫描分析***中的扫描仪对数字病理切片集进行图像扫描,生成数字病理切片图像集,包括:
基于先入先出的顺序,将放置于所述病理扫描分析***的载玻片中的数字病理切片传输至所述扫描仪中;
通过所述扫描仪中的物镜观察所述载玻片中所存在的区域图像;
对所述区域图像进行聚焦,生成所述区域图像的聚焦点;
根据所述聚焦点,确定所述载玻片中数字病理切片的图像生成函数;
根据所述图像生成函数,生成所述载玻片中数字病理切片的数字病理切片图像,根据所述数字病理切片图像,得到所述数字病理切片图像集。
4.如权利要求1所述的基于病理切片的扫描和分析一体化方法,其特征在于,所述基于所述病理扫描分析***的病理分析***,对所述数字病理切片图像集中的每一个数字病理切片图像进行病理分析,得到所述数字病理切片图像的病理分析结果,包括:
对所述数字病理切片图像进行伽马矫正,得到目标数字病理切片图像;
提取所述目标数字病理切片图像的特征图像,得到特征数字病理切片图像;
计算出所述特征数字病理切片图像的异常组织细胞的坐标信息和类别,得到所述数字病理切片图像的病理分析结果。
5.如权利要求4所述的基于病理切片的扫描和分析一体化方法,其特征在于,所述计算出所述特征数字病理切片图像的异常组织细胞的坐标信息和类别,包括:
获取所述特征数字病理切片图像中异常组织细胞的真实坐标框;
计算所述特征数字病理切片图像的异常组织细胞第一预测坐标框,计算所述第一预测坐标框与所述真实坐标框的第一交并比阈值,并筛选出所述第一交并比阈值大于预设第一阈值的第一预测坐标框,得到初始第一预测坐标框,根据所述初始第一预测坐标框生成第一预测数字病理切片图像区域;
计算所述第一预测数字病理切片图像区域的异常组织细胞第二预测坐标框,计算所述第二预测坐标框与所述真实坐标框的第二交并比阈值,并筛选出所述第二交并比阈值大于预设第二阈值的第二预测坐标框,得到初始第二预测坐标框,根据所述初始第二预测坐标框生成第二预测数字病理切片图像区域;
计算所述第二预测数字病理切片图像区域的异常组织细胞第三预测坐标框,计算所述第三预测坐标框与所述真实坐标框的第三交并比阈值,并筛选出所述第三交并比阈值大于预设第三阈值的第三预测坐标框,得到初始第三预测坐标框,根据所述初始第三预测坐标框生成第三预测数字病理切片图像区域;
根据所述第三预测数字病理切片图像区域,识别出所述特征数字病理切片图像的异常组织细胞的坐标信息和类别。
6.一种基于病理切片的扫描和分析一体化装置,其特征在于,所述装置包括:
集成模块,用于集成预构建的病理扫描***及一个预构建的病理分析***,得到病理扫描分析***;
扫描模块,用于利用所述病理扫描分析***中的扫描仪对数字病理切片集进行图像扫描,生成数字病理切片图像集;
分析模块,用于基于所述病理扫描分析***的病理分析***,对所述数字病理切片图像集中的每一个数字病理切片图像进行病理分析,得到所述数字病理切片图像的病理分析结果;
读取及输出模块,用于利用阅片软件读取并输出所述数字病理切片图像的病理扫描分析结果。
7.如权利要求6所述的基于病理切片的扫描和分析一体化装置,其特征在于,所述集成模块具体用于:
获取所述病理扫描***中扫描仪的API接口参数,根据所述API接口参数,查询所述扫描仪的外部***连接配置文件;
根据所述外部***连接配置文件,配置所述病理分析***的接口参数,根据配置后的所述病理分析***的接口参数,利用预设驱动程序将所述病理分析***导入至所述病理扫描***中。
8.如权利要求6所述的基于病理切片的扫描和分析一体化装置,其特征在于,所述扫描模块具体用于:
基于先入先出的顺序,将放置于所述病理扫描分析***的载玻片中的数字病理切片传输至所述扫描仪中,通过所述扫描仪中的物镜观察所述载玻片中所存在的区域图像
对所述区域图像进行聚焦,生成所述区域图像的聚焦点,根据所述聚焦点,确定所述载玻片中数字病理切片的图像生成函数,根据所述图像生成函数,生成所述载玻片中数字病理切片的数字病理切片图像,根据所述数字病理切片图像,得到所述数字病理切片图像集。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至5中任意一项所述的基于病理切片的扫描和分析一体化方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5中任意一项所述的基于病理切片的扫描和分析一体化方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010520678.8A CN111681738B (zh) | 2020-06-09 | 2020-06-09 | 基于病理切片扫描和分析一体化方法、装置、设备及介质 |
PCT/CN2020/119104 WO2021151307A1 (zh) | 2020-06-09 | 2020-09-29 | 基于病理切片扫描和分析一体化方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010520678.8A CN111681738B (zh) | 2020-06-09 | 2020-06-09 | 基于病理切片扫描和分析一体化方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111681738A true CN111681738A (zh) | 2020-09-18 |
CN111681738B CN111681738B (zh) | 2024-05-07 |
Family
ID=72454386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010520678.8A Active CN111681738B (zh) | 2020-06-09 | 2020-06-09 | 基于病理切片扫描和分析一体化方法、装置、设备及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111681738B (zh) |
WO (1) | WO2021151307A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581438A (zh) * | 2020-12-10 | 2021-03-30 | 腾讯科技(深圳)有限公司 | 切片图像识别方法、装置和存储介质及电子设备 |
WO2021151307A1 (zh) * | 2020-06-09 | 2021-08-05 | 平安科技(深圳)有限公司 | 基于病理切片扫描和分析一体化方法、装置、设备及介质 |
CN113763315A (zh) * | 2021-05-18 | 2021-12-07 | 腾讯医疗健康(深圳)有限公司 | 玻片图像的信息获取方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109979546A (zh) * | 2019-04-04 | 2019-07-05 | 成都大学 | 基于人工智能数字病理的网络模型分析平台及构建方法 |
CN110705583A (zh) * | 2019-08-15 | 2020-01-17 | 平安科技(深圳)有限公司 | 细胞检测模型训练方法、装置、计算机设备及存储介质 |
CN110727097A (zh) * | 2019-12-19 | 2020-01-24 | 上海兰脉信息科技有限公司 | 一种病理显微图像实时采集分析***、方法、装置及介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106777999A (zh) * | 2016-12-26 | 2017-05-31 | 上海联影医疗科技有限公司 | 图像处理方法、***和装置 |
CN108733967A (zh) * | 2017-04-24 | 2018-11-02 | 太豪生医股份有限公司 | 云端医疗图像分析***与方法 |
CN109979588A (zh) * | 2019-01-22 | 2019-07-05 | 北京金智拓科技有限公司 | 图像扫描病理切片*** |
CN111681738B (zh) * | 2020-06-09 | 2024-05-07 | 平安科技(深圳)有限公司 | 基于病理切片扫描和分析一体化方法、装置、设备及介质 |
-
2020
- 2020-06-09 CN CN202010520678.8A patent/CN111681738B/zh active Active
- 2020-09-29 WO PCT/CN2020/119104 patent/WO2021151307A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109979546A (zh) * | 2019-04-04 | 2019-07-05 | 成都大学 | 基于人工智能数字病理的网络模型分析平台及构建方法 |
CN110705583A (zh) * | 2019-08-15 | 2020-01-17 | 平安科技(深圳)有限公司 | 细胞检测模型训练方法、装置、计算机设备及存储介质 |
CN110727097A (zh) * | 2019-12-19 | 2020-01-24 | 上海兰脉信息科技有限公司 | 一种病理显微图像实时采集分析***、方法、装置及介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021151307A1 (zh) * | 2020-06-09 | 2021-08-05 | 平安科技(深圳)有限公司 | 基于病理切片扫描和分析一体化方法、装置、设备及介质 |
CN112581438A (zh) * | 2020-12-10 | 2021-03-30 | 腾讯科技(深圳)有限公司 | 切片图像识别方法、装置和存储介质及电子设备 |
CN113763315A (zh) * | 2021-05-18 | 2021-12-07 | 腾讯医疗健康(深圳)有限公司 | 玻片图像的信息获取方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2021151307A1 (zh) | 2021-08-05 |
CN111681738B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10810735B2 (en) | Method and apparatus for analyzing medical image | |
CN111932482A (zh) | 图像中目标物的检测方法、装置、电子设备及存储介质 | |
CN111681738B (zh) | 基于病理切片扫描和分析一体化方法、装置、设备及介质 | |
CN112446839B (zh) | 图像增强方法、装置、电子设备及计算机可读存储介质 | |
EP3696728A1 (en) | Bone marrow cell marking method and system | |
CN111652845A (zh) | 异常细胞自动标注方法、装置、电子设备及存储介质 | |
CN111932562B (zh) | 基于ct序列的图像识别方法、装置、电子设备及介质 | |
CN111932547B (zh) | 图像中目标物的分割方法、装置、电子设备及存储介质 | |
CN112465060A (zh) | 图像中目标物检测方法、装置、电子设备及可读存储介质 | |
CN111476776B (zh) | 胸部病灶位置确定方法、***、可读存储介质和设备 | |
CN111695609A (zh) | 目标物损伤程度判定方法、装置、电子设备及存储介质 | |
CN111476760B (zh) | 医学图像的生成方法、装置、电子设备及介质 | |
CN111933274B (zh) | 疾病分类诊断方法、装置、电子设备及存储介质 | |
CN112137591A (zh) | 基于视频流的目标物位置检测方法、装置、设备及介质 | |
CN111862096A (zh) | 图像分割方法、装置、电子设备及存储介质 | |
CN113065609B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
CN117455762A (zh) | 基于全景行车记录仪的记录画面分辨率提升方法及*** | |
CN115294426B (zh) | 介入医学设备的跟踪方法、装置、设备及存储介质 | |
CN112580505B (zh) | 网点开关门状态识别方法、装置、电子设备及存储介质 | |
CN112233194B (zh) | 医学图片优化方法、装置、设备及计算机可读存储介质 | |
CN115439850A (zh) | 基于审单的图文字符识别方法、装置、设备及存储介质 | |
CN114463685A (zh) | 行为识别方法、装置、电子设备及存储介质 | |
CN113128440A (zh) | 基于边缘设备的目标物识别方法、装置、设备及存储介质 | |
CN113419951A (zh) | 人工智能模型优化方法、装置、电子设备及存储介质 | |
CN111667411A (zh) | 一种图像传输方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |