本發(fā)明屬于病理圖像處理的，具體涉及一種基于自適應(yīng)聚類的病理圖像內(nèi)組織分類方法及設(shè)備。

背景技術(shù)：

1、在醫(yī)學(xué)領(lǐng)域，病理圖像分析是疾病診斷和研究的基石。

2、傳統(tǒng)的病理圖像的分類方法通常采用手工標(biāo)注的方式，一張(wsi)全數(shù)字病理圖像的全部切片圖像塊，數(shù)量級(jí)在幾萬(wàn)至十幾萬(wàn)不等，既耗時(shí)又費(fèi)力。

3、隨著人工智能和深度學(xué)習(xí)技術(shù)的發(fā)展，智能病理圖像分類已經(jīng)逐步取代人工注釋，成為了醫(yī)學(xué)診斷和研究的重要手段?，F(xiàn)有的一系列基于深度學(xué)習(xí)的病理圖像分類方法，試圖通過(guò)優(yōu)化模型結(jié)構(gòu)或調(diào)整訓(xùn)練策略來(lái)提高分類精度。這些方法盡管在一定程度上提升了模型的泛化性能，但是對(duì)部署和運(yùn)行模型的硬件設(shè)備提出了更高的要求，大大提升了計(jì)算復(fù)雜度和運(yùn)算量，效率低下，更難以滿足大規(guī)模病理圖像分類的實(shí)際需求。

4、不同的病理圖像具有不同染色風(fēng)格、不同采集部位、不同圖像大小等情況，導(dǎo)致深度學(xué)習(xí)的方法存在泛化性差的問(wèn)題，無(wú)法對(duì)病理圖像塊進(jìn)行正確分類。

5、由于不同病理圖像的圖像質(zhì)量、亮度、對(duì)比度和色彩等參數(shù)存在差異，這使得直接采用深度學(xué)習(xí)模型對(duì)圖像進(jìn)行分類可能會(huì)導(dǎo)致分類結(jié)果不準(zhǔn)確。因此，目前的主流做法是在處理病理圖像數(shù)據(jù)前需要進(jìn)行顏色標(biāo)準(zhǔn)化和數(shù)據(jù)歸一化等處理，以提高病理圖像分類的準(zhǔn)確性和穩(wěn)定性。然而，這些處理需要耗費(fèi)大量計(jì)算資源和時(shí)間成本，尤其是對(duì)于大規(guī)模病理圖像數(shù)據(jù)，處理時(shí)間和成本會(huì)急劇增加。圖像預(yù)處理步驟的困境在于務(wù)必對(duì)病理圖像產(chǎn)生的上萬(wàn)個(gè)圖像塊做無(wú)差別統(tǒng)一處理，以避免不同分布的數(shù)據(jù)及其噪聲對(duì)分類模型的影響。這將帶來(lái)巨大的硬件成本和能耗問(wèn)題，需要運(yùn)用高性能計(jì)算設(shè)備和大規(guī)模存儲(chǔ)系統(tǒng)，效率低下的問(wèn)題嚴(yán)重制約了醫(yī)學(xué)診斷和疾病研究的及時(shí)進(jìn)行。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述技術(shù)問(wèn)題，本發(fā)明提出了一種基于自適應(yīng)聚類的病理圖像內(nèi)組織分類方法及設(shè)備，可以有效解決病理圖像分類過(guò)程中的依賴人工標(biāo)注，效率低，泛化性差的問(wèn)題。

2、為了達(dá)到上述目的，本發(fā)明的技術(shù)方案如下：

3、一方面，本發(fā)明公開(kāi)一種基于自適應(yīng)聚類的病理圖像內(nèi)組織分類方法，包括：

4、步驟s1：獲取待分類的病理圖像；

5、步驟s2：根據(jù)預(yù)設(shè)的縮放倍率對(duì)病理圖像處理，獲得縮略圖；

6、步驟s3：對(duì)縮略圖進(jìn)行分割，獲得組織掩碼圖像；

7、步驟s4：對(duì)組織掩碼圖像進(jìn)行劃分，劃分成若干圖像塊，并記錄各圖像塊的坐標(biāo)位置；

8、步驟s5：利用預(yù)訓(xùn)練的特征提取模型提取每個(gè)圖像塊的圖像語(yǔ)義特征；

9、利用統(tǒng)計(jì)學(xué)方法提取每個(gè)圖像塊的統(tǒng)計(jì)學(xué)特征；

10、將圖像語(yǔ)義特征與統(tǒng)計(jì)學(xué)特征進(jìn)行融合；

11、步驟s6：基于融合的特征進(jìn)行聚類，將所有圖像塊劃分為k個(gè)類簇；

12、步驟s7：根據(jù)聚類結(jié)果，預(yù)測(cè)每個(gè)類簇的組織類別；

13、步驟s8：對(duì)預(yù)測(cè)結(jié)果進(jìn)行優(yōu)化修正；

14、步驟s9：根據(jù)圖像塊的坐標(biāo)位置，將不同組織類別的圖像塊以不同顏色拼接，形成新的縮略圖，進(jìn)行可視化展示。

15、在上述技術(shù)方案的基礎(chǔ)上，還可做如下改進(jìn)：

16、作為優(yōu)選的方案，步驟s5中，統(tǒng)計(jì)每個(gè)圖像塊的r值或灰度圖的直方圖作為該圖像塊的統(tǒng)計(jì)學(xué)特征。

17、作為優(yōu)選的方案，步驟s6包括：

18、步驟s6.1：將每個(gè)圖像塊的圖像語(yǔ)義特征、統(tǒng)計(jì)學(xué)特征融合，形成新的圖像塊特征；

19、步驟s6.2：隨機(jī)選擇k個(gè)圖像塊特征作為初始的聚類中心；

20、步驟s6.3：通過(guò)式(1)計(jì)算每個(gè)圖像塊特征到每個(gè)聚類中心的距離，并將每個(gè)圖像塊特征分配到最近的聚類中心所在的簇中，得到k個(gè)類簇{s1,s2,…,sk}；

21、

22、其中：xi為第i個(gè)圖像塊特征，1≤i≤n；

23、cj為第j個(gè)聚類中心，1≤j≤k；

24、xvi為第i個(gè)圖像塊特征的圖像語(yǔ)義特征；

25、cvj為第j個(gè)聚類中心的圖像特征；

26、xhi為第i個(gè)圖像塊特征的直方圖特征；

27、chj為第j個(gè)聚類中心的直方圖特征；

28、α、β為調(diào)比因子；

29、步驟s6.4：對(duì)于每個(gè)類簇，通過(guò)式(2)重新計(jì)算，選出新的聚類中心；

30、

31、其中，cl為第l個(gè)聚類中心，1≤l≤k；

32、|sl|表示第l個(gè)類簇中圖像塊特征的個(gè)數(shù)；

33、xi表示第l個(gè)類簇中第i個(gè)圖像塊特征，1≤i≤|sl|；

34、步驟s6.5：重復(fù)步驟s6.3-步驟s6.4，直到滿足停止條件為止。

35、作為優(yōu)選的方案，步驟s7包括：

36、步驟s7.1：預(yù)先構(gòu)建病理圖像塊數(shù)據(jù)庫(kù)，病理圖像塊數(shù)據(jù)庫(kù)中存儲(chǔ)有已知組織類別的若干圖像塊；

37、步驟s7.2：將待匹配的圖像塊與病理圖像塊數(shù)據(jù)庫(kù)中的圖像塊進(jìn)行尺寸匹配；

38、若匹配，則繼續(xù)執(zhí)行步驟s7.3；

39、若不匹配，則將病理圖像塊數(shù)據(jù)庫(kù)中圖像塊的尺寸裁剪成與待匹配的圖像塊的尺寸一致，再繼續(xù)執(zhí)行步驟s7.3；

40、步驟s7.3：將待匹配的任一類簇圖像塊的特征均值與病理圖像塊數(shù)據(jù)庫(kù)中的每個(gè)已知組織類別圖像塊的特征均值進(jìn)行對(duì)比；

41、按照對(duì)比結(jié)果，將特征均值差值最小的組織類別賦予該類簇，作為其標(biāo)簽。作為優(yōu)選的方案，步驟s8包括：

42、步驟s8.1：根據(jù)圖像塊的坐標(biāo)位置以及圖像塊的組織類別，形成類別標(biāo)簽圖；

43、步驟s8.2：按照遍歷方向，遍歷類別標(biāo)簽圖中的每個(gè)圖像塊的組織類別，若坐標(biāo)為(x，y)的圖像塊的組織類別與其連通域內(nèi)其他圖像塊的組織類別不同，則利用類別計(jì)數(shù)矩陣count(x，y，label)記錄，label為其連通域內(nèi)其他圖像塊出現(xiàn)最頻繁的組織類別標(biāo)簽；

44、步驟s8.3：切換其它遍歷方向，重復(fù)執(zhí)行步驟s8.2直至所有遍歷方向均完成遍歷；

45、步驟s8.4：根據(jù)類別計(jì)數(shù)矩陣count(x，y，label)，對(duì)每個(gè)圖像塊的組織類別進(jìn)行修正。此外，另一方面，本發(fā)明還公開(kāi)一種基于自適應(yīng)聚類的病理圖像內(nèi)組織分類設(shè)備，包括：

46、病理圖像獲取模塊，用于獲取待分類的病理圖像；

47、縮放模塊，用于根據(jù)預(yù)設(shè)的縮放倍率對(duì)病理圖像處理，獲得縮略圖；

48、分割模塊，用于對(duì)縮略圖進(jìn)行分割，獲得組織掩碼圖像；

49、劃分模塊，用于對(duì)組織掩碼圖像進(jìn)行劃分，劃分成若干圖像塊，并記錄各圖像塊的坐標(biāo)位置；

50、特征提取模塊，用于利用預(yù)訓(xùn)練的特征提取模型提取每個(gè)圖像塊的圖像語(yǔ)義特征；

51、利用統(tǒng)計(jì)學(xué)方法提取每個(gè)圖像塊的統(tǒng)計(jì)學(xué)特征；

52、將圖像語(yǔ)義特征與統(tǒng)計(jì)學(xué)特征進(jìn)行融合；

53、聚類模塊，用于融合的特征進(jìn)行聚類，將所有圖像塊劃分為k個(gè)類簇；

54、組織類別預(yù)測(cè)模塊，用于根據(jù)聚類結(jié)果，預(yù)測(cè)每個(gè)類簇的組織類別；

55、優(yōu)化模塊，用于對(duì)預(yù)測(cè)結(jié)果進(jìn)行優(yōu)化修正；

56、可視化展示模塊，用于根據(jù)圖像塊的坐標(biāo)位置，將不同組織類別的圖像塊以不同顏色拼接，形成新的縮略圖，進(jìn)行可視化展示。

57、作為優(yōu)選的方案，特征提取模塊中，統(tǒng)計(jì)每個(gè)圖像塊的r值或灰度圖的直方圖作為該圖像塊的統(tǒng)計(jì)學(xué)特征。

58、作為優(yōu)選的方案，聚類模塊包括：

59、樣本點(diǎn)形成單元，用于將每個(gè)圖像塊的圖像語(yǔ)義特征、統(tǒng)計(jì)學(xué)特征融合，形成新的圖像塊特征；

60、初始化單元，用于隨機(jī)選擇k個(gè)圖像塊特征作為初始的聚類中心；

61、分配單元，用于通過(guò)式(1)計(jì)算每個(gè)圖像塊特征到每個(gè)聚類中心的距離，并將每個(gè)圖像塊特征分配到最近的聚類中心所在的簇中，得到k個(gè)類簇{s1,s2,…,sk}；

62、

63、其中：xi為第i個(gè)圖像塊特征，1≤i≤n；

64、cj為第j個(gè)聚類中心，1≤j≤k；

65、xvi為第i個(gè)圖像塊特征的圖像語(yǔ)義特征；

66、cvj為第j個(gè)聚類中心的圖像特征；

67、xhi為第i個(gè)圖像塊特征的直方圖特征；

68、chj為第j個(gè)聚類中心的直方圖特征；

69、α、β為調(diào)比因子；

70、調(diào)整單元，用于對(duì)于每個(gè)類簇，通過(guò)式(2)重新計(jì)算，選出新的聚類中心；

71、

72、其中，cl為第l個(gè)聚類中心，1≤l≤k；

73、|sl|表示第l個(gè)類簇中圖像塊特征的個(gè)數(shù)；

74、xi表示第l個(gè)類簇中第i個(gè)圖像塊特征，1≤i≤|sl|；

75、重復(fù)執(zhí)行單元，用于重復(fù)執(zhí)行分配單元、調(diào)整單元內(nèi)的方法，直至滿足停止條件為止。

76、作為優(yōu)選的方案，

77、組織類別預(yù)測(cè)模塊包括：

78、數(shù)據(jù)庫(kù)構(gòu)建單元，用于預(yù)先構(gòu)建病理圖像塊數(shù)據(jù)庫(kù)，病理圖像塊數(shù)據(jù)庫(kù)中存儲(chǔ)有已知組織類別的若干圖像塊；

79、尺寸匹配單元，用于將待匹配的圖像塊與病理圖像塊數(shù)據(jù)庫(kù)中的圖像塊進(jìn)行尺寸匹配；

80、若匹配，則繼續(xù)執(zhí)行特征對(duì)比單元中的方法；

81、若不匹配，則將病理圖像塊數(shù)據(jù)庫(kù)中圖像塊的尺寸裁剪成與待匹配的圖像塊的尺寸一致，再繼續(xù)執(zhí)行特征對(duì)比單元中的方法；

82、特征對(duì)比單元，用于將待匹配的任一類簇圖像塊的特征均值與病理圖像塊數(shù)據(jù)庫(kù)中的每個(gè)已知組織類別圖像塊的特征均值進(jìn)行對(duì)比；

83、按照對(duì)比結(jié)果，將特征均值差值最小的組織類別賦予該類簇，作為其標(biāo)簽。

84、作為優(yōu)選的方案，優(yōu)化模塊包括：

85、類別標(biāo)簽圖形成單元，用于根據(jù)圖像塊的坐標(biāo)位置以及圖像塊的組織類別，形成類別標(biāo)簽圖；

86、遍歷單元，用于按照遍歷方向，遍歷類別標(biāo)簽圖中的每個(gè)圖像塊的組織類別，若坐標(biāo)為(x，y)的圖像塊的組織類別與其連通域內(nèi)其他圖像塊的組織類別不同，則利用類別計(jì)數(shù)矩陣count(x，y，label)記錄，label為其連通域內(nèi)其他圖像塊出現(xiàn)最頻繁的組織類別標(biāo)簽；

87、重復(fù)執(zhí)行單元，用于切換其它遍歷方向，重復(fù)執(zhí)行遍歷單元中的方法直至所有遍歷方向均完成遍歷；

88、修正單元，用于根據(jù)類別計(jì)數(shù)矩陣count(x，y，label)，對(duì)每個(gè)圖像塊的組織類別進(jìn)行修正。

89、本發(fā)明公開(kāi)一種基于自適應(yīng)聚類的病理圖像內(nèi)組織分類方法及設(shè)備，其能夠自適應(yīng)的處理不同病理圖像的分類任務(wù)，顯著減少預(yù)測(cè)時(shí)間，提高分類效率，有助于及時(shí)發(fā)現(xiàn)疾病、制定治療方案，并且對(duì)于大規(guī)模的病理圖像數(shù)據(jù)處理也具有重要的實(shí)際意義。