(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211181196.X (22)申请日 2022.09.27 (71)申请人 云南大学 地址 650091 云南省昆明市五华区翠湖北 路2号 (72)发明人 杨云　王科龙　唐铮　 (74)专利代理 机构 昆明金科智诚知识产权代理 事务所(普通 合伙) 53216 专利代理师 彭志鼎 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/12(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/80(2022.01)G06V 10/82(2022.01) (54)发明名称 一种病理图像分割方法、 系统、 存储介质、 设 备及终端 (57)摘要 本发明属于图像 分割技术领域， 公开了一种 病理图像分割方法、 系统、 存储介质、 设备及终 端， 获取带病灶标注病理图像切片数据； 将带病 灶标注病理图像切片数据送入模 型中进行训练， 得到病理图像 分割模型； 将需要病灶标注的目标 病理图像切片输入到病理图像分割模 型中， 得到 完成病灶标注的图像。 本发明提出了一种基于多 视域特征融合的病理图像分割方法， 病理图像分 割能帮助医生快速定位病变组织区域， 提升诊断 效率； 通过多视域融合模块能够获取到低倍率图 像多重感受野的范围信息； 特征软对齐模块， 能 够获取到低倍率图的周围信息， 并能对边缘信息 做到平滑处理； 通过通道注意力模块对多种卷积 提取到的特征进行筛选， 提取更符合分割的特 征。 权利要求书2页 说明书9页 附图4页 CN 115457012 A 2022.12.09 CN 115457012 A 1.一种病理图像分割方法， 其特 征在于， 所述病理图像分割方法包括： 获取带病灶标注病理图像切片数据； 将带病灶标注病理图像切片数据送入模型中进行 训练， 得到病理图像分割模型； 将需要病灶标注的目标病理图像切片输入到病理图像分割 模型中， 得到 完成病灶标注的图像。 2.如权利要求1所述的病理图像分割方法， 其特征在于， 所述方法采用特征软对齐的方 式来进行特征提取， 通过引入多种空洞卷积来提取低倍率图像边缘相 邻特征再进 行特征对 齐， 为图像边缘像素点提供更多可供参考的信息， 进而提升模型分割的精度并且也对边缘 噪声点起到平滑作用； 针对多尺度图像融合中对低 倍率图像特征提取方式感受野狭隘， 通过采用多种空洞卷 积来获取低倍率图像的多重感受野特征， 引入通道注意力机制来筛选多种感受野特征， 让 模型能够结合 合适的相邻特 征进行判别。 3.如权利要求1所述的病理图像分割方法， 其特征在于， 所述病理图像分割模型采用 UNet结构， 所述病理图像分割模型的输入为256*256*3大小的病理图像的高倍率切片与低 倍率切片， 每 个输入图像具有不同空间分辨 率的特征与感受野。 4.如权利要求1所述的病理图像分割方法， 其特征在于， 所述病理图像分割方法包括以 下步骤： 步骤一， 利用编码器将病理图像的高倍率切片与低 倍率切片输入到病理图像分割模型 中进行编码； 步骤二， 利用解码器将编码层的高倍率切片特征和低 倍率切片特征以及第四层编码层 的特征共同输入到多视域特 征融合模块中； 步骤三， 利用多视域特征融合模块对输入的两种不同倍率特征图进行特征融合后与 上 层特征进行通道拼接， 再将融合后的特 征输入到后续的解码层中。 5.如权利要求4所述的病理图像分割方法， 其特征在于， 所述解码层每一层均由一个上 采样层和两个卷积层构成， 上采样层将原始的特征图宽高放大为两倍， 两个卷积层每层都 由一个3x3卷积层一个BN层和一个relu激活函数构成； 特征图进入到下一个解码层， 每层均 采用同样的操作最后到第五层接入到一个分割层， 将最后将特征图输出为预测值0与1的 256*256像素的分割图， 最后分割图和真实标签 计算dice损失训练模型； 其中， 所述dice损失的计算公式为： 式中， Dice系数是一种集合相似度度量指标， 用于计算两个样本的相似度， 值的范围 [0， 1]； True  Positive， 被判定为正样本， 事实上也是正样本； True  Negative， 被判定为负 样本， 事实上也是负样本； False  Positive， 被判定为正样本， 但事实上是负样本； False   Negative， 被判定为负 样本， 但事实上 是正样本 。 6.如权利要求4所述的病理图像分割方法， 其特征在于， 所述多视域特征融合模块采用 多样空洞卷积来提取低倍率图像的多样特征， 再进行融合， 用于实现特征软对齐和多视域 特征提取； 其中， 所述特征软对齐包括： 通过引入多种提供不同感受野的空洞卷积对低倍率特征 图进行特征提取， 再以空间相对位置对低倍率图像进行裁剪； 低倍率特征会经过卷积层提权　利　要　求　书 1/2 页 2 CN 115457012 A 2取特征映射为特征图， 设计三种不同R ate率(1， 3， 6)的空洞卷积获取不同感受野的信息， 增 强后续特征图边缘特征的提取能力， 其中每个卷积均是3x3大小， 后跟ReLu和BN； 还包括平 均全局池化层， 后跟ReLu激活和BN， 用于将特征图的通道压缩到1好提取到图像的全局信 息； 经过提取后的多种特 征图在通道上进行拼接， 再进行相对位置对齐后裁 剪。 7.如权利要求6所述的病理图像分割方法， 其特 征在于， 所述多视域特 征提取包括： 采用多种卷积对低倍率图像的特征进行提取； 多视域特征提取的结构中， L和H分别表 示低倍率特征图和高倍率特征图， 角马表 示UNet结构中的上下层关系， R ate＝1,3,5分别表 示Rate值为1， 3， 5空洞卷积， 裁剪表示在原图左上角按总大小1/16的比率裁剪； 解码层共包 含2倍上采样层、 特征拼接层以及两个3x3卷积层， 其中卷积层每层卷积完后均跟上ReLu和 BN； 高倍率图经过多种空洞卷积和平均池化层提取多种感受野的特征， 将特征从通道上进 行拼接； 用1x1卷积层对提取到的特征进行融合， 再按相对位置裁剪； 输入到通道注意力层 中给每个通道赋予不同的权重， 对不同卷积提取特征进 行筛选， 并输入到解码层； 在解码层 高低倍率的图像特征进行拼接后再用两个卷积层进行融合； 对高低倍率图像进行上采样， 在于高倍率上一层的特征进行拼接输入到后续的卷积层中提取特征， 最后输入到整个模型 的后续层中。 8.一种实施如权利要求1～7任意一项所述的病理图像分割方法的病理图像分割系统， 其特征在于， 所述病理图像分割 系统包括编码器、 多视域特 征融合模块和解码器； 其中， 所述编码器， 用于对病理图像的高倍率切片与低倍率切片输入到模型中进行编 码； 所述编码器采用ResNet50的结构， 一共包含5个stage， 每个stage包含多种卷积、 BN层、 激活层以及残差结构； 分别获取ResNet50五个不同stage的特征图来作为UNet的5个编码层 的特征； 所述解码器， 用于从第五层的编码层开始， 将编码层的高倍率切片特征和低倍率切片 特征以及第四层编码层的特 征共同输入到多视域特 征融合模块中； 所述多视域特征融合模块， 包括特征软对齐模块和多视域卷积模块， 用于对输入进来 的两种不同倍率特征图进 行特征融合后与上层特征进 行通道上的拼接， 再将融合后的特征 输入到后续的解码层当中。 9.一种计算机可读存储介质， 存储有计算机程序， 所述计算机程序被处理器执行时， 使 得所述处理器执行如权利要求1～6任意 一项所述的病理图像分割方法的步骤。 10.一种信息数据处理终端， 其特征在于， 所述信息数据处理终端用于实现如权利要求 7所述的病理图像分割 系统。权　利　要　求　书 2/2 页 3 CN 115457012 A 3