基于层次预测与参考选择网络的病理全切片图像无损二次压缩方法、装置及介质与流程

本发明涉及数字病理影像处理及数据压缩，特别是涉及一种基于层次预测与参考选择网络的病理全切片图像无损二次压缩方法、装置及介质。

背景技术：

1、数字病理全切片图像（whole slide image，wsi）通常采用多分辨率金字塔结构进行组织，单张切片在最高倍率下被切分为数万至数十万个瓦片（tile），未压缩数据量可达数吉字节至数十吉字节。为满足常规存储与传输需求，现有病理扫描仪与医疗图像归档系统普遍采用jpeg或jpeg2000等工业标准格式对各个瓦片进行独立的一级压缩，并封装为特定的医学影像容器。

2、然而，存量病理影像数据规模呈指数级膨胀，对医疗机构的长期合规归档造成了严峻的存储成本挑战。为进一步降低存储空间，现有技术主要沿循两条路线演进：

3、其一为基于深度学习的端到端神经图像压缩技术，其通常采用自编码器结构、隐变量量化与超先验熵模型替代传统编解码器。此类方法主要面向原始rgb像素域操作，在解码端依赖深度神经网络由潜在变量采样生成图像纹理。在医学病理场景中，生成式解码机制存在不可控的幻觉伪影风险，极易造成细胞微细形态异变、核染色伪影甚至关键微小病灶的凭空出现或消失，触碰了病理诊断与司法存证的绝对合规红线；同时，全局隐变量流将整张切片深度耦合，破坏了瓦片索引体系，导致临床阅片急需的局部感兴趣区域（roi）毫秒级随机访问机制失效。

4、其二为针对单张图像的有损或无损二次重压缩技术，例如在离散余弦变换（dct）量化系数域通过学习型条件概率模型进行算术重编码。此类技术均将每个瓦片视为独立封闭的个体，由于病理切片在同一载玻片上呈现出显著的组织连续性、染色基调一致性及金字塔跨层尺度关联，单瓦片编码器无法感知跨越瓦片边界的空间邻域冗余、粗低倍率对细高倍率的尺度冗余以及同质组织结构的长程语义冗余。此外，现有重压缩方案若直接针对全图无差别执行复杂的候选试算与深度推理，在面对高频噪声或复杂肿瘤浸润区等高熵瓦片时，极易因元数据增量反超残差节省量而引发二次压缩负收益（即文件体积不降反增），并在编码端造成巨大的无效算力消耗。

技术实现思路

1、本发明实施例提供了一种基于层次预测与参考选择网络的病理全切片图像无损二次压缩方法、装置及介质，针对现有端到端神经压缩技术因像素域生成式机制存在病理伪影幻觉与破坏瓦片随机访问的缺陷，而传统无损重压缩技术局限于单瓦片内部统计且无法消除跨瓦片与跨层级的层次冗余，同时缺乏抑制算力浪费与文件体积膨胀的有效屏障等问题。

2、本发明核心技术主要是在已编码瓦片的量化变换系数域上构建包含空间、尺度、语义及原型的有限候选参考集与物理隔离的双上下文，利用轻量网络概率排序结合实际码长试编码选定目标参考，并基于确定性整数预测规则、条件概率残差熵编码与双级防膨胀门控，在非生成式约束下生成带有界参考深度瓦片级索引的无损二次压缩切片文件。

3、第一方面，本发明提供了一种基于层次预测与参考选择网络的病理全切片图像无损二次压缩方法，所述方法包括以下步骤：

4、解析已完成一级瓦片编码的病理全切片图像，在变换系数域提取各瓦片的整型量化变换系数、编码头参数及金字塔几何结构；其中，解析过程不执行反量化、逆变换或像素重建；

5、按照粗分辨率层先于细分辨率层、同层按预设空间顺序的因果处理顺序组织各瓦片，将已完成二次编码的瓦片纳入可引用集合，并限定当前瓦片相对于被引用的参考瓦片的最大参考深度不超过预设上限；

6、从当前瓦片的量化变换系数中提取编码端特征，并基于金字塔几何结构、编码端特征与可引用集合，为当前瓦片生成包括空间邻域候选参考、金字塔父层候选参考、已编码相似候选参考和组织原型候选参考中至少两类的有限候选参考集合；

7、对各候选参考生成候选摘要并设置候选有效性掩码，分别构造用于参考决策的编码决策上下文，以及用于解码端同步复现的可解码上下文；其中，编码决策上下文包含编码端特征与各候选参考的候选摘要，可解码上下文包含候选摘要与候选有效性掩码，且不包含当前瓦片的量化变换系数及其直接派生特征；

8、基于编码决策上下文进行压缩收益预测，当预测净节省数据量不满足第一条件时，将当前瓦片预标记为旁路模式并跳过后续参考选择；

9、当预测净节省数据量满足第一条件时，利用参考选择模型根据编码决策上下文和候选有效性掩码对各候选参考进行概率排序，基于排序靠前的预定数量候选参考以最小化实际总编码位数准则确定目标参考及参考类别，并将参考类别和对应的参考标识写入瓦片索引；

10、依据确定的参考类别，通过编解码两端预置的确定性整数预测规则，由目标参考的量化变换系数生成预测系数；

11、计算当前瓦片的量化变换系数与预测系数之间的整数残差，利用残差概率模型根据可解码上下文、确定的参考类别以及当前频带内已编码残差的因果历史生成整数频率表，并据此对整数残差进行可逆熵编码；

12、比较采用目标参考编码所得的实际总编码位数与直接采用旁路模式的一级瓦片实际编码位数，实际总编码位数计入参考标识与类别开销、残差码流开销、模型边信息开销以及索引表增量开销；仅当实际净节省位数满足第二条件时保留二次压缩载荷，否则强制将压缩模式回退为旁路模式；

13、将各瓦片的压缩模式、参考类别、参考标识、参考深度、载荷存储偏移以及模型档标识写入瓦片级索引，封装生成支持感兴趣区域局部随机访问的二次压缩病理切片文件；

14、其中，残差概率模型的输入不包含尚未恢复的当前瓦片量化变换系数；参考选择模型与残差概率模型的输出均不作为病理图像像素使用。

15、进一步地，为当前瓦片生成包括空间邻域候选参考、金字塔父层候选参考、已编码相似候选参考和组织原型候选参考中至少两类的有限候选参考集合，包括：

16、将可引用集合中与当前瓦片在同层空间相邻的已编码瓦片作为空间邻域候选参考；

17、将可引用集合中与当前瓦片物理坐标覆盖区域重叠的上一层粗分辨率瓦片作为金字塔父层候选参考；

18、利用从当前瓦片的量化变换系数中提取的特征向量，通过局部敏感哈希从可引用集合中的锚点瓦片中检索相似瓦片作为已编码相似候选参考；

19、提取在编码粗分辨率层阶段由锚点瓦片建立并写入文件头中的组织原型作为组织原型候选参考；

20、缺失的候选参考以预设值填充，并由候选有效性掩码指示为无效。

21、进一步地，基于排序靠前的预定数量候选参考以最小化实际总编码位数准则确定目标参考及参考类别，包括：

22、利用参考选择模型输出各候选参考的分类概率，并选取概率最高的前一至三个候选参考构成试编码短列表；

23、针对试编码短列表中的每个候选参考分别执行确定性预测与残差熵编码，统计包含参考标识与类别开销、残差码流开销、模型边信息开销以及索引表增量开销在内的实际总编码位数；

24、选取实际总编码位数最小的候选参考作为目标参考。

25、进一步地，通过编解码两端预置的确定性整数预测规则，由目标参考的量化变换系数生成预测系数，包括：

26、当参考类别为空间邻域参考或已编码相似参考时，按块坐标将参考瓦片的量化变换系数对齐复制至当前网格；

27、当参考类别为金字塔父层参考时，根据两层瓦片间的物理重叠关系，对父瓦片的直流变换系数网格进行定点整数插值放大，低频交流变换系数复制，高频交流变换系数置零；

28、当参考类别为组织原型参考时，仅预测直流变换系数和预设低频系数组；

29、当偏置使能标志指示启用预测偏置时，利用偏置模型仅根据可解码上下文和参考类别生成有界小整数预测偏置，将有界小整数预测偏置扩展至预设频带位置后叠加至确定性整数预测规则输出的基线预测系数中；其中，偏置模型不输入当前瓦片的量化变换系数。

30、进一步地，对整数残差进行可逆熵编码，包括：

31、将计算得到的整数残差按亮度通道与色度通道，以及直流分量与交流频带分量进行分流；

32、残差概率模型严格隔离当前瓦片的真实量化变换系数，依据可解码上下文、确定的参考类别及已解出频带的历史统计，输出离散拉普拉斯尺度参数或零值与非零幅值的混合概率分布参数；

33、依据概率分布参数构造归一化整数频率表，通过rans编码器或算术编码器生成各分流的残差比特流；当当前瓦片的编码端特征需输入残差概率模型时，对应特征在残差码流之前作为边信息写入。

34、进一步地，在同分辨率层中每隔预定数量瓦片设置一个锚点瓦片，锚点瓦片仅采用旁路模式或仅允许引用上一层粗分辨率瓦片或文件头组织原型；

35、已编码相似候选参考仅允许指向已编码的锚点瓦片或粗分辨率层瓦片；

36、任意细分辨率层瓦片允许建立的依赖链的最大参考深度上限设置为1或2，以限制解码端局部解析时的拓扑展开依赖数量。

37、进一步地，在将瓦片载荷写入二次压缩病理切片文件之前，执行可逆闭环校验步骤：

38、调用与编码端相同的预测系数生成规则与整数残差求和逻辑，重构得到恢复量化变换系数，并逆向拼装出一级码流；

39、比对拼装得到的一级码流与原始输入的一级码流的每一个字节；

40、当二者存在任一字节不一致时，强制将当前瓦片的压缩模式由参考模式置为旁路模式，直接写入未二次压缩的一级瓦片码流。

41、第二方面，本发明提供了一种基于层次预测与参考选择网络的病理全切片图像无损二次压缩装置，包括：

42、语法解析模块，用于解析已完成一级瓦片编码的病理全切片图像，在变换系数域提取各瓦片的整型量化变换系数、编码头参数及金字塔几何结构，解析过程不执行反量化、逆变换或像素重建；

43、因果调度模块，用于按照粗分辨率层先于细分辨率层、同层按预设空间顺序的因果处理顺序组织各瓦片，将已完成二次编码的瓦片纳入可引用集合，并限定当前瓦片相对于被引用的参考瓦片的最大参考深度不超过预设上限；

44、上下文构造模块，用于从当前瓦片的量化变换系数中提取编码端特征，基于金字塔几何结构、编码端特征与可引用集合生成包括空间邻域候选参考、金字塔父层候选参考、已编码相似候选参考和组织原型候选参考中至少两类的有限候选参考集合，对各候选参考生成候选摘要并设置候选有效性掩码，构造包含编码端特征与候选摘要的编码决策上下文，以及包含候选摘要与候选有效性掩码且不包含当前瓦片量化变换系数及其直接派生特征的可解码上下文；

45、预测门控模块，用于基于编码决策上下文进行压缩收益预测，当预测净节省数据量不满足第一条件时，将当前瓦片预标记为旁路模式并跳过后续参考选择；

46、参考选择模块，用于当预测净节省数据量满足第一条件时，利用参考选择模型根据编码决策上下文和候选有效性掩码对各候选参考进行概率排序，基于排序靠前的预定数量候选参考以最小化实际总编码位数准则确定目标参考及参考类别，并将参考类别和对应的参考标识写入瓦片索引；

47、确定性预测模块，用于依据确定的参考类别，通过编解码两端预置的确定性整数预测规则，由目标参考的量化变换系数生成预测系数；

48、残差熵编码模块，用于计算当前瓦片的量化变换系数与预测系数之间的整数残差，利用残差概率模型根据可解码上下文、确定的参考类别以及当前频带内已编码残差的因果历史生成整数频率表，并据此对整数残差进行可逆熵编码；

49、实际门控模块，用于比较采用目标参考编码所得的实际总编码位数与直接采用旁路模式的一级瓦片实际编码位数，仅当实际净节省位数满足第二条件时保留二次压缩载荷，否则强制将压缩模式回退为旁路模式；

50、文件容器封装模块，用于将各瓦片的压缩模式、参考类别、参考标识、参考深度、载荷存储偏移以及模型档标识写入瓦片级索引，封装生成支持感兴趣区域局部随机访问的二次压缩病理切片文件；

51、其中，残差概率模型的输入不包含尚未恢复的当前瓦片量化变换系数；参考选择模型与残差概率模型的输出均不作为病理图像像素使用。

52、第三方面，本发明提供了一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述的基于层次预测与参考选择网络的病理全切片图像无损二次压缩方法。

53、第四方面，本发明提供了一种可读存储介质，可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如上述的基于层次预测与参考选择网络的病理全切片图像无损二次压缩方法。

54、本发明的主要贡献和创新点如下：

55、1.本发明的解析过程仅在变换系数域执行可逆语法解析，不执行反量化、逆变换或像素重建；系数预测主路径为编解码两端相同的确定性整数规则，神经网络仅输出参考类别、概率参数与有界整型偏置，禁止输出任何病理图像像素；解码端通过预测系数与完整残差的定点整数加法精确恢复原量化变换系数，预测误差只增大残差而不破坏可逆恢复，从根本上排除了生成式模型对细胞形态、组织染色的改动风险，满足病理归档对像素一致性的严格要求。

56、2.本发明通过构造包含空间邻域、金字塔父层、已编码相似瓦片和组织原型的有限候选参考集合，将邻瓦片染色连续性、粗细层间的低通对应关系、远距同类组织的系数统计相似性以及全片染色基调与扫描条带特性统一纳入预测与概率建模，显著提高残差分布的尖锐程度，获得优于单瓦片再压缩与纯规则二次压缩的压缩率。

57、3.本发明采用双级门控机制：前级基于编码决策上下文进行压缩收益预测，对不值得深入处理的瓦片预标记旁路并跳过参考选择，节约推理与计算开销；后级将计入参考标识、残差载荷、概率边信息和索引增量的参考模式实际总位数与旁路模式实际位数比较，仅当实际净节省满足条件时保留二次压缩载荷，否则强制回退为旁路模式，从机制上保证二次压缩文件体积不大于原文件，复杂高密度组织区域的负收益被完全抑制。

58、4.本发明以粗层先于细层的因果顺序编码，配合参考深度上限与周期锚点约束，使感兴趣区域解码所需的参考闭包规模有界；瓦片级索引逐瓦片记录压缩模式、参考类别、参考标识、参考深度与载荷偏移，解码端仅需按索引定位目标瓦片及其有限依赖，无需解压整张切片，满足阅片工作站、远程会诊与人工智能推理对局部区域快速取用patch的需求。

59、5.本发明的参考类别与参考标识写入瓦片索引后，解码端无需运行参考选择模型；当残差概率模型采用文件头固定频率表且关闭整型偏置时，解码端可完全不运行神经网络，仅执行确定性规则预测、熵解码与整数相加，使阅片软件的集成成本接近普通编解码器，形成编码端智能、解码端轻载的非对称部署形态。

60、6.本发明的模型以模型档标识引用、随软件分发的方式部署，文件内仅保存档号而不写入网络权重，保证单文件体积与版本安全；编码端通过一次网络前向将全候选集合缩短为少数候选短列表，替代对全部候选的反复试编码，在守住实际码长底线的同时降低批量归档的编码时延，使压缩流程可接入采集流水线在线执行。

61、本发明的一个或多个实施例的细节在以下附图和描述中提出，以使本发明的其他特征、目的和优点更加简明易懂。