1.一种基于unet的宫颈病理组织分割方法,其特征在于:包括扫描拼接、降噪、区域划分、unet模型训练及辅助诊断五个步骤,其步骤如下:
步骤一、扫描拼接:用光学显微镜扫描样本涂片,然后将生成的视野图像拼接成一个全景图ic;
步骤二、降噪:对ic做降噪预处理;
步骤三、区域划分:将ic中的每个感兴趣独立前景区域ai提取出来,保存ai及其在ic中的相对位置;
步骤四、unet模型训练:统计所有样本中的ai,按6:2:2的比例随机分配到训练集、验证集和测试集中,然后传递给unet模型进行学习,最终获得可靠分割模型m;
步骤五、辅助诊断:将模型m应用于临床,辅助病理医生诊断宫颈疾病。
2.根据权利要求1所述的基于unet的宫颈组织图像分割方法,其特征在于:所述步骤一的具体方法是在10x显微物镜下,对每个样本进行全片自动扫描与拼接,生成分辨率可变的逻辑全景图ic,其宽度取值范围为30000~40000像素,高度取值范围为20000~30000像素。
3.根据权利要求1所述的基于unet的宫颈组织图像分割方法,其特征在于:所述步骤二的具体方法是对ic依次进行模糊和锐化操作,用以去除制片染色过程中产生的部分噪声。
4.根据权利要求1所述的基于unet的宫颈组织图像分割方法,其特征在于:所述步骤三的具体方法还包括如下步骤:
a、对ic的行和列进行1/32下采样,生成低分辨率全景图if,并将其灰度化为ig;
b、以背景灰度均值为阈值从ig提取轮廓,采用平均灰度计算图像的二值化阈值,利用二值化阈值t对图像进行前景和背景分割,获得标记图,并提取相应的区域轮廓;阈值分割公式如下:
其中f(x,y)为灰度图像,g(x,y)为阈值运算后得二值图像;
c、计算ig中每个轮廓的面积,长度和宽度,采用阈值法去除面积、长度或宽度较小的干扰轮廓,保留感兴趣轮廓;首先对g(x,y)进行贴标签
其中,l为连通域的个数,为第k个连通域
之后消除面积小于预设阈值area的连通域,小面积连通域消除处理的计算公式如下:
d、为每个轮廓生成一个蒙版,利用蒙版从ic中提取待处理区域ai并记录每个ai在全景图中的绝对位置pi。第k个轮廓蒙版mk的提取公式如下:
第k个图像区域ak的提取公式如下:
ak=ic*mk
e、对不同的区域以并行的方式进行处理。设一个样本通过本发明生成n个区域,43可并行工作的处理核有m个,若以串行方式处理if所需时间为t,则理想情况下并行处理所需时间可缩短为t/m。
5.根据权利要求1所述的基于unet的宫颈组织图像分割方法,其特征在于:所述步骤四的具体方法包括如下步骤:
①对已经标注好的训练集中的每个ai,增加一个通道存放标注数据,原始数据有红、绿、蓝三个彩色通道,通过本步骤处理之后增加一个黄色表示的标注数据通道;
②对经上一步处理后的每个ai,分别通过仿射变换、相似变换和刚体变换进行数据增强,得到数据集di仿射变换计算式为:
相似变换的计算式为:
刚体变换的计算式为:
③unet网络以并行方式接收并学习每个di所包含的特征数据,循环进行50轮次迭代训练,生成最终的诊断模型m;训练前网络各层参数的初化化计算式为:
6.根据权利要求1所述的基于unet的宫颈组织图像分割方法,其特征在于:所述步骤五的具体方法包括如下步骤:
步骤1、将样本涂片放入载物台,依次自动执行权利要求1中的步骤一、二和三,得到n个感兴趣区域图像{ai|0<i<n},将每个ai做为输入让模型m处理,然后保存生成的分割类别和轮廓信息;
步骤2、在if中用绿色描绘每个ai中的正常组织轮廓,黄色描绘低级别病变组强织轮廓,橙红描绘高级别病变组织轮廓,色描绘癌变组织轮廓;
步骤3、将ir显示在屏幕上,供病理医生参考,当使用者点击放大时,依据放大倍数k对ic进按行、列分别进行k/2下采样,生成ik,然后依照ir和ik的放大倍率关系计算每个分割结果轮廓在ik中的对应坐标并按同样的类别颜色描绘及显示。