一种基于弱监督学习的液基细胞病理图像生成方法与流程

技术特征：
1.一种基于弱监督学习的液基细胞病理图像生成方法，其特征在于，方法如下：步骤一、采集弱标注的病理图像切片并进行分类，分类形成阴性样本和阳性样本；步骤二、对分类后的切片样本进行细胞核定位，获得细胞核掩膜中的独立区域的形态学信息及中心坐标；步骤三、采用实例采集模块分别对阴性样本和阳性样本进行实例采集，其中阳性样本中所采集到的多实例细胞样本运用弱监督学习的多实例分类模块，获得最有可能是阳性的实例细胞图像；步骤四、选取阴性样本中采集到的实例细胞样本中的一个来作为染色基准图像，采用实例染色均一化模块对步骤三获得的阳性实例图像进行染色均一化操作，确定待插入阳性细胞，并对其区域进行量化统计；步骤五、将步骤四中确定的待插入阳性细胞插入至阴性样本的区域中。2.根据权利要求1所述的一种基于弱监督学习的液基细胞病理图像生成方法，其特征在于，切片样本进行细胞核定位的具体步骤为：s21、对原始图像进行灰度变换，并使用直方图均衡化法调节整幅图的灰度分布；s22、使用阈值t
n
提取相关细胞核掩膜；s23、使用圆形结构元进行形态学开运算，去除粗糙掩膜中的多余的小结构；s24、对区域进行标记并进行区域量化统计，获得细胞核掩膜中的独立区域的形态学信息及中心坐标。3.根据权利要求1所述的一种基于弱监督学习的液基细胞病理图像生成方法，其特征在于，步骤三采集多实例细胞样本的具体步骤为：s31、定义尺寸与原图分辨率相当的采样标记图，根据获得的细胞核标记图中的每个区域中心进行实例拟采样，拟定初始采样中心；s32、当采样区域中存在多个核时，根据核直接的距离分别进行处理；若核之间的距离大于d，则将每个核单独处理，若核之间的距离小于d，则选择所有核区域中心的坐标均值，进行采样中心的重定位，获得细胞实例图像s33、随后在采样标记图及标记图副本中移除采样区域；s34、重复步骤s31～s34，直到标记图副本中不存在值为1的像素，即可获得细胞实例图像；s35、在细胞核的未测出区域，将原图按长与宽分别以步长为m和m进行网格分区，统计每一格的空白区域大小和中心，并进行m*m的实例采样，作为背景样本或未测出细胞样本。4.根据权利要求1所述的一种基于弱监督学习的液基细胞病理图像生成方法，其特征在于，弱监督学习的多实例分类模块包括有实例编码器和多实例注意力的分类器，多实例注意力的分类器包括有降维模块、实例注意力模块及分类模块，多实例细胞样本经过实例编码器转换成高维向量，高维向量经过降维模块降维后通过实例注意力模块及分类模块形成注意力热图。5.根据权利要求1所述的一种基于弱监督学习的液基细胞病理图像生成方法，其特征在于，步骤四中通过实例染色均一化模块确定待插入阳性细胞的局部步骤为：s41、选取阴性样本中采集到的实例细胞样本中的一个来作为染色基准图像，使用vahadane染色归一化法对待插入的阳性实例图像进行染色均一化操作；s42、然后将待插入的阳性实例图像的细胞区域提取出来，利用模型可视化法将梯度反向传播，从而可视化实例中的做出疑似阳性判定的热图；
s43、原实例图像上使用ostu自动阈值法，提取包含细胞质在内的粗糙区域，利用形态学闭操作平滑处理区域边界；s44、通过在所有区域中找到热图中对应值最大的细胞，从而确定待插入阳性细胞，并对其区域进行量化统计。6.根据权利要求1所述的一种基于弱监督学习的液基细胞病理图像生成方法，其特征在于，步骤五中最终图像生成的具体步骤为：s51、对阴性样本中的未测出区域空白部分进行量化统计；s52、统计空白区域是否有足够达到的面积，若是，则随机选取其中一个作为待插入区域；否则在已检测出细胞核的位置上，利用区域的otsu自动阈值法获得大致细胞区域并进行量化统计，随机选择量化较小的细胞区域作为待插入区域，待插入阳性细胞以一定的随机操作进行处理，并插入到待插入区域中，从而生成阳性病理图像样本；s54、将待插入阳性细胞以一定的随机操作进行处理，并插入到待插入区域中，从而生成阳性病理图像样本。7.根据权利要求6所述的一种基于弱监督学习的液基细胞病理图像生成方法，其特征在于，步骤s54中阳性细胞的随机操作选用随机角度旋转、翻转或缩放中的一种或多种。

技术总结
本发明公开了一种基于弱监督学习的液基细胞病理图像生成方法，方法如下：采集弱标注的病理图像切片并进行分类，分类形成阴性样本和阳性样本；对分类后的切片样本进行细胞核定位，获得细胞核掩膜中的独立区域的形态学信息及中心坐标；采用实例采集模块分别对阴性样本和阳性样本进行实例采集，其中阳性样本中所采集到的多实例细胞样本运用弱监督学习的多实例分类模块，获得最有可能是阳性的实例细胞图像。本发明在弱监督学习中，通过阳性实例注意力获得局部阳性实例，再利用细胞区域检测算法寻找阴性样本中可以容纳阳性实例的位置，或可替换类似阳性实例大小的阴性实例，从而构造新的内容的阳性样本，扩展了数据集的数量并且平衡了数据集比例。衡了数据集比例。衡了数据集比例。


技术研发人员：祝骋路 孙宇轩 李虹林 蔡佳桐 张士川 杨林
受保护的技术使用者：杭州迪英加科技有限公司
技术研发日：2021.10.12
技术公布日：2022/1/6