(12)發(fā)明專利地址310058浙江省杭州市西湖區(qū)余杭塘公司33224GO6T7/90(2017GO6T5/50(2006(56)對比文件審查員劉植權(quán)利要求書2頁說明書7頁附圖4頁估(57)摘要本發(fā)明公開了一種病理圖像自監(jiān)督染色歸合的技術(shù)領(lǐng)域，包括：構(gòu)建病理圖像數(shù)據(jù)庫；設(shè)計(jì)染色歸一化模型，其包括公共特征域提取模塊、內(nèi)容感知器、場景感知器、融合模塊，該染色歸一一化后圖像的像素級差異構(gòu)建自監(jiān)督損失函數(shù)并訓(xùn)練染色歸一化模型，該模型可對任意未知病21.一種病理圖像自監(jiān)督染色歸一化方法，其特征在于，包括以下步驟：構(gòu)建病理圖像數(shù)據(jù)庫；設(shè)計(jì)染色歸一化模型及訓(xùn)練，其將病理圖像進(jìn)行顏色隨機(jī)化后轉(zhuǎn)換為公共特征域圖理后病理圖像轉(zhuǎn)換為公共特征域圖像時(shí)，基于跨醫(yī)療中心同類型病理圖像的結(jié)構(gòu)或者說組織學(xué)特征具有相似性的先驗(yàn)，基于該先驗(yàn)將病理圖像轉(zhuǎn)換為公共特征域圖像；以公共特征域圖像和輸入病理圖像作為自配對進(jìn)行模型的自監(jiān)督訓(xùn)練獲得單醫(yī)療中內(nèi)容感知器用于基于公共特征域圖像提取內(nèi)容特征圖，并將內(nèi)容特征圖與公共特征域圖像合并得到合并圖，所述場景感知器用于基于公共特征域圖像預(yù)測多個(gè)顏色轉(zhuǎn)換物理模型的自適應(yīng)加權(quán)參數(shù)，所述融合模塊用于基于自適應(yīng)加權(quán)參數(shù)對多個(gè)顏色轉(zhuǎn)換物理模型進(jìn)行加權(quán)求和得到融合模型，該融合模型用于將合并圖進(jìn)行顏色轉(zhuǎn)換得到染色歸一化后圖像；其中，顏色轉(zhuǎn)換物理模型采用可學(xué)習(xí)的顏色轉(zhuǎn)換查找表，且顏色轉(zhuǎn)換物理模型的維度數(shù)量與合并圖的通道數(shù)相等；利用參數(shù)優(yōu)化后的染色歸一化模型進(jìn)行驗(yàn)證與應(yīng)用評估。2.根據(jù)權(quán)利要求1所述的病理圖像自監(jiān)督染色歸一化方法，其特征在于，所述內(nèi)容感知器采用第一輕量化卷積網(wǎng)絡(luò)，所述場景感知器采用第二輕量化卷積網(wǎng)絡(luò)。3.根據(jù)權(quán)利要求1所述的病理圖像自監(jiān)督染色歸一化方法，其特征在于，將內(nèi)容特征圖與公共特征域圖像合并時(shí)，以合并圖的通道數(shù)N為目標(biāo)，當(dāng)公共特征域圖像為一通道的灰度圖，且內(nèi)容特征圖為n通道時(shí)，將公共特征域圖像復(fù)制N-n次，形成N-n通道的公共特征域圖4.根據(jù)權(quán)利要求1所述的病理圖像自監(jiān)督染色歸一化方法，其特征在于，融合模型將合并圖進(jìn)行顏色轉(zhuǎn)換得到染色歸一化后圖像時(shí)，采用融合后的N維顏色轉(zhuǎn)換查找表對合并圖進(jìn)行N線性插值得到染色歸一化后圖像。5.根據(jù)權(quán)利要求1所述的病理圖像自監(jiān)督染色歸一化方法，其特征在于，利用參數(shù)優(yōu)化后的染色歸一化模型進(jìn)行驗(yàn)證與應(yīng)用評估，包括：利用第一醫(yī)療中心的病理圖像數(shù)據(jù)庫訓(xùn)練染色歸一化模型后，利用參數(shù)優(yōu)化的染色歸一化模型對第二醫(yī)療中心的病理圖像進(jìn)行顏色歸一化，然后再利用第一醫(yī)療中心的病理輔助模型基于染色歸一化后圖像輔助診斷預(yù)測。6.一種病理圖像自監(jiān)督染色歸一化裝置，其特征在于數(shù)據(jù)庫構(gòu)建單元，其用于構(gòu)建病理圖像數(shù)據(jù)庫；模型設(shè)計(jì)及訓(xùn)練單元，其用于將病理圖像進(jìn)行顏色隨機(jī)化后轉(zhuǎn)換為公共特征域圖像，其中顏色隨機(jī)化處理包括亮度、對比度、飽和度、色調(diào)隨機(jī)處理中的至少一種，隨機(jī)化處理后病理圖像轉(zhuǎn)換為公共特征域圖像時(shí)，基于跨醫(yī)療中心同類型病理圖像的結(jié)構(gòu)或者說組織學(xué)特征具有相似性的先驗(yàn)，基于該先驗(yàn)將病理圖像轉(zhuǎn)換為公共特征域圖像；以公共特征域圖像和輸入病理圖像作為自配對進(jìn)行模型的自監(jiān)督訓(xùn)練獲得單醫(yī)療中基于公共特征域圖像提取內(nèi)容特征圖，并將內(nèi)容特征圖與公共特征域圖像合并得到合并圖，所述場景感知器用于基于公共特征域圖像預(yù)測多個(gè)顏色轉(zhuǎn)換物理模型的自適應(yīng)加權(quán)參3數(shù)，所述融合模塊用于基于自適應(yīng)加權(quán)參數(shù)對多個(gè)顏色轉(zhuǎn)換物理模型進(jìn)行加權(quán)求和得到融合模型，該融合模型用于將合并圖進(jìn)行顏色轉(zhuǎn)換得到染色歸一化后圖像；其中，顏色轉(zhuǎn)換物理模型采用可學(xué)習(xí)的顏色轉(zhuǎn)換查找表，且顏色轉(zhuǎn)換物理模型的維度數(shù)量與合并圖的通道數(shù)相等；模型驗(yàn)證及應(yīng)用評估單元，其用于利用參數(shù)優(yōu)化后的染色歸一化模型進(jìn)行驗(yàn)證與應(yīng)用評估。7.一種計(jì)算設(shè)備，包括存儲器和一個(gè)或多個(gè)處理器，所述存儲器中存儲有可執(zhí)行代碼，其特征在于，所述一個(gè)或多個(gè)處理器執(zhí)行所述可執(zhí)行代碼時(shí)，用于實(shí)現(xiàn)權(quán)利要求1-5中任一項(xiàng)所述的病理圖像自監(jiān)督染色歸一化方法。8.一種計(jì)算機(jī)可讀存儲介質(zhì)，其特征在于，其上存儲有程序，該程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)權(quán)利要求1-5中任一項(xiàng)所述的病理圖像自監(jiān)督染色歸一化方法。4[0002]數(shù)字病理學(xué)的發(fā)展和計(jì)算機(jī)視覺算法的進(jìn)步推動(dòng)了人工智能技術(shù)在病理學(xué)領(lǐng)域病理智能輔助模型設(shè)計(jì)，能夠避免向開發(fā)者進(jìn)行多中心數(shù)據(jù)的共享[0003]然而病理中心間不同的樣品制備程序以及使用的不同成像設(shè)備等會導(dǎo)致最終得成對抗網(wǎng)絡(luò)，可以對多種已知的染色風(fēng)格進(jìn)行歸一化，但其5可對任意未知病理數(shù)據(jù)中心的圖像實(shí)現(xiàn)朝選定的病理數(shù)據(jù)中心圖像進(jìn)行自適應(yīng)染色風(fēng)格歸一化。[0008]為實(shí)現(xiàn)上述發(fā)明目的，實(shí)施例提供的一種病理圖像自監(jiān)督染色歸一化方法，包括以下步驟：[0010]設(shè)計(jì)染色歸一化模型及訓(xùn)練，其將病理圖像進(jìn)行顏色隨機(jī)化后轉(zhuǎn)換為公共特征域圖像，以公共特征域圖像和輸入病理圖像作為自配對進(jìn)行模型的自監(jiān)督訓(xùn)練獲得單醫(yī)療中基于公共特征域圖像提取內(nèi)容特征圖，并將內(nèi)容特征圖與公共特征域圖像合并得到合并圖，所述場景感知器用于基于公共特征域圖像預(yù)測多個(gè)顏色轉(zhuǎn)換物理模型的自適應(yīng)加權(quán)參數(shù)，所述融合模塊用于基于自適應(yīng)加權(quán)參數(shù)對多個(gè)顏色轉(zhuǎn)換物理模型進(jìn)行加權(quán)求和得到融合模型，該融合模型用于將合并圖進(jìn)行顏色轉(zhuǎn)換得到染色歸一化后圖像；[0011]基于利用參數(shù)優(yōu)化后的染色歸一化模型進(jìn)行驗(yàn)證與應(yīng)用評估。色調(diào)隨機(jī)處理中的至少一種，隨機(jī)化處理后病理圖像轉(zhuǎn)換為公共特征域圖像時(shí)，基于跨醫(yī)療中心同類型病理圖像的結(jié)構(gòu)或者說組織學(xué)特征具有相似性的先驗(yàn)，基于該先驗(yàn)將病理圖像轉(zhuǎn)換為公共特征域圖像。[0013]優(yōu)選地，所述內(nèi)容感知器采用第一輕量化卷積網(wǎng)絡(luò)，所述場景感知器采用第二輕量化卷積網(wǎng)絡(luò)。[0014]優(yōu)選地，將內(nèi)容特征圖與公共特征域圖像合并時(shí)，以合并圖的通道數(shù)N為目標(biāo)，當(dāng)公共特征域圖像為一通道的灰度圖，且內(nèi)容特征圖為n通道時(shí)，將公共特征域圖像復(fù)制N-n和N均為自然數(shù)。[0015]優(yōu)選地，所述顏色轉(zhuǎn)換物理模型采用可學(xué)習(xí)的顏色轉(zhuǎn)換查找表，且顏色轉(zhuǎn)換物理模型的維度數(shù)量與合并圖的通道數(shù)相等。[0016]優(yōu)選地，融合模型將合并圖進(jìn)行顏色轉(zhuǎn)換得到染色歸一化后圖像時(shí)，采用融合后的N維顏色轉(zhuǎn)換查找表對合并圖進(jìn)行N線性插值得到染色歸一化后圖像。[0018]利用第一醫(yī)療中心的病理圖像數(shù)據(jù)庫訓(xùn)練染色歸一化模型后，利用參數(shù)優(yōu)化的染色歸一化模型對第二醫(yī)療中心的病理圖像進(jìn)行顏色歸一化，然后再利用第一醫(yī)療中心的病理輔助模型基于染色歸一化后圖像輔助診斷預(yù)測。[0019]為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明實(shí)施例還提供了一種病理圖像自監(jiān)督染色歸一化裝[0021]模型設(shè)計(jì)及訓(xùn)練單元，其用于將病理圖像進(jìn)行顏色隨機(jī)化后轉(zhuǎn)換為公共特征域圖像，以公共特征域圖像和輸入病理圖像作為自配對進(jìn)行模型的自監(jiān)督訓(xùn)練獲得單醫(yī)療中心于公共特征域圖像提取內(nèi)容特征圖，并將內(nèi)容特征圖與公共特征域圖像合并得到合并圖，所述場景感知器用于基于公共特征域圖像預(yù)測多個(gè)顏色轉(zhuǎn)換物理模型的自適應(yīng)加權(quán)參數(shù)，6所述融合模塊用于基于自適應(yīng)加權(quán)參數(shù)對多個(gè)顏色轉(zhuǎn)換物理模型進(jìn)行加權(quán)求和得到融合模型，該融合模型用于將合并圖進(jìn)行顏色轉(zhuǎn)換得到染色歸一化后圖像；[0022]模型驗(yàn)證及應(yīng)用評估單元，其用于利用參數(shù)優(yōu)化后的染色歸一化模型進(jìn)行驗(yàn)證與應(yīng)用評估。[0023]為實(shí)現(xiàn)上述發(fā)明目的，實(shí)施例還提供了一種計(jì)算設(shè)備，包括存儲器和一個(gè)或多個(gè)處理器，所述存儲器中存儲有可執(zhí)行代碼，所述一個(gè)或多個(gè)處理器執(zhí)行所述可執(zhí)行代碼時(shí)，用于實(shí)現(xiàn)上述病理圖像自監(jiān)督染色歸一化方法。[0024]為實(shí)現(xiàn)上述發(fā)明目的，實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有程序，該程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)上述病理圖像自監(jiān)督染色歸一化方法。[0026]本發(fā)明采用自監(jiān)督方案，在進(jìn)行染色歸一化模型訓(xùn)練時(shí)不需要除選定訓(xùn)練中心的病理圖像外的任何其它染色風(fēng)格圖像作為模板，這意味著不涉及到多病理中心的數(shù)據(jù)傳輸，有效保護(hù)了患者數(shù)據(jù)隱私。[0027]本發(fā)明基于自監(jiān)督的染色歸一化方案可以實(shí)現(xiàn)任意未知染色風(fēng)格朝選定病理中心染色風(fēng)格的歸一化，并基于此進(jìn)一步實(shí)現(xiàn)超大尺寸全玻片圖像的染色歸一化，這一點(diǎn)是獨(dú)特優(yōu)勢。[0028]本發(fā)明基于自監(jiān)督的染色歸一化方案采用了輕量級、可解釋的模型框架設(shè)計(jì)，訓(xùn)練過程簡單，計(jì)算資源消耗小，能根據(jù)病理圖像塊場景和內(nèi)容自適應(yīng)的完成實(shí)時(shí)高效的染色歸一化。附圖說明[0029]為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖做簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)前提下，還可以根據(jù)這些附圖獲得其他附圖。[0030]圖1是實(shí)施例提供的病理圖像自監(jiān)督染色歸一化方法的流程圖；[0031]圖2是實(shí)施例提供的病理圖像數(shù)據(jù)庫的構(gòu)建示意圖；[0032]圖3是實(shí)施例提供的染色歸一化模型的訓(xùn)練過程示意圖；[0033]圖4是實(shí)施例提供的病理圖像自監(jiān)督配對示意圖；[0034]圖5是實(shí)施例提供的染色歸一化模型的結(jié)構(gòu)示意圖；[0035]圖6是實(shí)施例提供的模型定向應(yīng)用示意圖；[0036]圖7是實(shí)施例提供的模型驗(yàn)證與應(yīng)用評估示意圖；[0037]圖8是實(shí)施例提供的病理圖像自監(jiān)督染色歸一化裝置的結(jié)構(gòu)示意圖。具體實(shí)施方式[0038]為使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例對本發(fā)明進(jìn)行進(jìn)一步的詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施方式僅僅用以解釋本發(fā)明，并不限定本發(fā)明的保護(hù)范圍。[0039]大型病理醫(yī)療中心的數(shù)據(jù)通常具有一致的采集標(biāo)準(zhǔn)、設(shè)備設(shè)置和病理診斷規(guī)范，7在其上建立的單中心病理智能輔助模型可以最大程度的輔助自身。然而由于不同醫(yī)療中心病理數(shù)據(jù)成像的染色風(fēng)格差異性，該單中心病理智能輔助模型可能無法被很好地應(yīng)用于其他醫(yī)院的病理圖像。[0040]基于此，本發(fā)明提出基于病理圖像中相同腫瘤類型具有結(jié)構(gòu)特征相似性的先驗(yàn)知識，從具有可解釋性的自監(jiān)督技術(shù)層面設(shè)計(jì)自適應(yīng)染色風(fēng)格歸一化的方案來實(shí)現(xiàn)對任意未知病理醫(yī)療中心的圖像實(shí)現(xiàn)朝選定的病理醫(yī)療中心圖像進(jìn)行圖像染色歸一化，進(jìn)而幫助中小型醫(yī)院中心在不需要開源患者數(shù)據(jù)的情況下使用到由該大型醫(yī)療中心開發(fā)的先進(jìn)病理智能輔助模型，嚴(yán)格保護(hù)患者數(shù)據(jù)隱私的情況下縮小資源差距，促進(jìn)醫(yī)療公平。[0041]本發(fā)明方案中染色風(fēng)格歸一化模型的訓(xùn)練僅需要在選定的醫(yī)療中心基于病理圖像本地進(jìn)行，不需要獲取其它醫(yī)療中心的原始病理圖像，保證了各病理中心患者數(shù)據(jù)的隱私性。本發(fā)明方案避免了背景技術(shù)中第(1)類傳統(tǒng)染色歸一化方法中因?yàn)橥ㄟ^選擇模板圖像容易出現(xiàn)染色歸一化風(fēng)格偏差的問題、第(2)類深度學(xué)習(xí)方法計(jì)算資源消耗大且易產(chǎn)生偽影的問題以及兩類方法僅可以在已知有限的病理中心實(shí)施數(shù)據(jù)染色歸一化的問題。[0042]如圖1所示，實(shí)施例提供的一種病理圖像自監(jiān)督染色歸一化方法，包括以下步驟：[0043]S110,構(gòu)建病理圖像數(shù)據(jù)庫。[0044]實(shí)施例中，在不同醫(yī)療中心進(jìn)行各自病理圖像數(shù)據(jù)庫的構(gòu)建。單個(gè)病理醫(yī)療中心內(nèi)成像獲得的數(shù)據(jù)通常具有一致的染色風(fēng)格，不同醫(yī)療中心可在本地完成最新患者病理染色玻片的制備與成像。其過程如圖2所示，主要包含：病理組織醫(yī)學(xué)顯微成像、在不同病理醫(yī)療中心構(gòu)建相應(yīng)染色風(fēng)格的病理圖像數(shù)據(jù)庫。其中實(shí)現(xiàn)蘇木精伊紅染色的一般步驟包括：首先進(jìn)行組織取樣并放入福爾馬林緩沖液固定以保存其結(jié)構(gòu)；然后進(jìn)行梯度乙醇脫水、二甲苯透明化、浸入熔化的石蠟、切片機(jī)切片、專用粘合劑貼片、二甲苯脫蠟和放入水中水合等操作；最后使用蘇木精將細(xì)胞核染成藍(lán)紫色，使用伊紅將細(xì)胞質(zhì)染成粉紅色。染色后的切片再次通過梯度乙醇和二甲苯進(jìn)行脫水和透明化，并使用中性樹膠將切片封在蓋玻片下完成封片。本發(fā)明將新制備的染色玻片在單醫(yī)療中心內(nèi)的專用顯微設(shè)備上進(jìn)行成像，將染色玻片的成像結(jié)果切分多個(gè)病理圖像，并與醫(yī)院累積的數(shù)字化數(shù)據(jù)一起構(gòu)成初始的同風(fēng)格病理圖像數(shù)據(jù)庫。作為示例，本發(fā)明將圖2中醫(yī)院A作為選定的第一病理醫(yī)療中心，將醫(yī)院B視為任意未知的病理醫(yī)療中心。[0045]S120,設(shè)計(jì)染色歸一化模型及訓(xùn)練，將病理圖像進(jìn)行顏色隨機(jī)化后轉(zhuǎn)換為公共特征域圖像，以公共特征域圖像和輸入病理圖像作為自配對進(jìn)行模型的自監(jiān)督訓(xùn)練獲得單醫(yī)療中心的染色歸一化模型。[0046]實(shí)施例中，在選定的病理醫(yī)療中心進(jìn)行染色歸一化模型的設(shè)計(jì)和訓(xùn)練。如圖3所示，首先將輸入病理圖像進(jìn)行顏色隨機(jī)化，然后將其轉(zhuǎn)換為公共特征域的圖像，最后以公共特征域圖像和輸入病理圖像作為自配對進(jìn)行自監(jiān)督訓(xùn)練獲得單中心的染色歸一化模型。該模型可實(shí)現(xiàn)任意未知的病理中心的數(shù)據(jù)從公共特征域到選定病理中心數(shù)據(jù)風(fēng)格的染色歸一化。[0047]實(shí)施例中，顏色隨機(jī)化通過對亮度、對比度、飽和度和色調(diào)隨機(jī)進(jìn)行一個(gè)或多個(gè)同步擾動(dòng)來實(shí)現(xiàn)，目的是模擬不同病理中心數(shù)據(jù)前景和背景的差異性以增強(qiáng)自監(jiān)督染色歸一化模型的自適應(yīng)性。具體來說本發(fā)明中轉(zhuǎn)換到公共特征域的操作基于跨醫(yī)療中心同類型病理圖像的結(jié)構(gòu)或者說組織學(xué)特征具有相似性的先驗(yàn)，基于該先驗(yàn)，其實(shí)際操作為將輸入的8顏色隨機(jī)化圖像轉(zhuǎn)換到可以表征這些特征的公共特征域圖像，其中公共特征域可以是灰度域。需要注意的是，基于此先驗(yàn)轉(zhuǎn)換到其它可以表征這些特征的公共域的改動(dòng)也應(yīng)在本發(fā)明的保護(hù)范圍之內(nèi)。顏色隨機(jī)化和公共特征域圖像的轉(zhuǎn)換示例如圖4所示。模塊，其中，內(nèi)容感知器用于基于公共特征域圖像提取內(nèi)容特征圖，并將內(nèi)容特征圖與公共特征域圖像合并得到合并圖，該內(nèi)容感知器用來區(qū)分病理圖像中相近內(nèi)容對應(yīng)的不同顏色，以實(shí)現(xiàn)更精準(zhǔn)的自監(jiān)督映射。具體地，將轉(zhuǎn)換到公共特征域圖像送入內(nèi)容感知器來生成對應(yīng)的內(nèi)容特征圖，并和相應(yīng)的公共特征域圖像進(jìn)行合并得到合并圖。具體合并時(shí)，以合并圖的通道數(shù)N為目標(biāo)，當(dāng)公共特征域圖像為一通道的灰度圖，且內(nèi)容特征圖為n通道時(shí)，將公共特征域圖像復(fù)制N-n次，形成N-n通道的公共特征域圖像與內(nèi)容特征圖合并，形成N通道的[0049]舉例說明，當(dāng)合并圖為4通道時(shí)，合并方式可以有兩種，第一種為由內(nèi)容感知器自適應(yīng)生成三通道的內(nèi)容特征圖并和相應(yīng)的單通道灰度圖合并，第二種為由內(nèi)容感知器自適應(yīng)的生成單通道的內(nèi)容特征圖并和相應(yīng)三通道相同的灰度圖合并，二者可以等價(jià)地完成本發(fā)明的目的。[0050]實(shí)施例中，內(nèi)容感知器采用第一輕量化卷積網(wǎng)絡(luò)，具體包括四個(gè)核大小為3×3的卷積塊和一個(gè)核大小為1×1的卷積塊組成。3×3的卷積塊的步長為1且應(yīng)用了LeakyReLU激活和實(shí)例正則化，其中第一個(gè)卷積塊和第四個(gè)卷積塊進(jìn)行了殘差連接；前四個(gè)3×3卷積塊的目的是從輸入的公共特征域圖像中提取相同分辨率的高級圖像特征，1×1卷積塊用于壓縮圖像特征并輸出內(nèi)容特征圖。注意，任何針對內(nèi)容感知器的改動(dòng)以完成本發(fā)明相同目的的網(wǎng)絡(luò)架構(gòu)均應(yīng)在本發(fā)明的保護(hù)范圍之內(nèi)。[0051]實(shí)施例中，場景感知器用于基于公共特征域圖像預(yù)測多個(gè)顏色轉(zhuǎn)換物理模型的自適應(yīng)加權(quán)參數(shù)，融合模塊用于基于自適應(yīng)加權(quán)參數(shù)對多個(gè)顏色轉(zhuǎn)換物理模型進(jìn)行加權(quán)求和得到融合模型，該融合模型用于將合并圖進(jìn)行顏色轉(zhuǎn)換得到染色歸一化后圖像。具體地，同步將公共特征域圖像送入場景感知器并利用場景感知器輸出的自適應(yīng)參數(shù)來加權(quán)現(xiàn)實(shí)世界中多個(gè)相同的可學(xué)習(xí)顏色轉(zhuǎn)換物理模型，獲得轉(zhuǎn)換合并圖的融合模型；此時(shí)對于輸入的每張病理圖像都可以自適應(yīng)地獲得一個(gè)對應(yīng)轉(zhuǎn)換合并圖的融合模型，使得整體設(shè)計(jì)具有可[0052]實(shí)施例中，場景感知器采用第二輕量化卷積網(wǎng)絡(luò)，具體包括首先使用雙線性插值將輸入圖像下采樣為256×256的分辨率，然后緊跟5個(gè)卷積塊、一個(gè)dropout層和一個(gè)全連接層；每個(gè)卷積塊包含一個(gè)核大小為3×3的卷積層、一個(gè)LeakyReLU和一個(gè)實(shí)例歸一化；dropout率設(shè)置為0.5以抑制過擬合。注意，任何針對場景感知器的改動(dòng)以完成本發(fā)明中相同目的的網(wǎng)絡(luò)架構(gòu)均應(yīng)在本發(fā)明的保護(hù)范圍之內(nèi)。[0053]實(shí)施例中，顏色轉(zhuǎn)換物理模型的數(shù)量最少設(shè)為1個(gè)，默認(rèn)設(shè)為3個(gè)，可以沒有上限(數(shù)量越多模型越大),如果合并圖的通道數(shù)為N,多個(gè)相同的可學(xué)習(xí)顏色轉(zhuǎn)換物理模型采用了可在N維(例如四維)空間進(jìn)行操作的顏色轉(zhuǎn)換查找表，其內(nèi)所有元素的映射關(guān)系均初始化為恒等映射。N維顏色轉(zhuǎn)換查找表經(jīng)過場景感知器輸出的參數(shù)加權(quán)后得到的融合模型，即融合模型也是一個(gè)N維顏色轉(zhuǎn)換查找表，該融合模型被用來轉(zhuǎn)換N通道的合并圖并通過N線性插值操作得到染色歸一化后圖像。由于插值操作是可微分的，因此N維顏色轉(zhuǎn)換查找表均9可以在訓(xùn)練時(shí)像內(nèi)容感知器和場景感知器一樣根據(jù)反向傳播的梯度更新其內(nèi)的元素映射到最終用于實(shí)現(xiàn)任意未知病理醫(yī)療中心數(shù)據(jù)到選定病理醫(yī)療中心數(shù)據(jù)風(fēng)格的染色歸一化[0058]實(shí)施例中，將訓(xùn)練完成的染色歸一化模型理圖像塊的自適應(yīng)染色歸一化和病理全玻片圖像的染色歸一化，其過程與結(jié)果示例如圖6格進(jìn)行染色歸一化的能力，而且可以實(shí)現(xiàn)依據(jù)病理圖像塊場景和內(nèi)容的自適應(yīng)染色歸一[0060]如圖8所示，實(shí)施例提供的病理圖像自監(jiān)督染色歸一化80,包括數(shù)據(jù)庫構(gòu)建單元數(shù)優(yōu)化后的染色歸一化模型進(jìn)行染色歸一化。述功能分配由不同的功能模塊或單元完成，即在終端或服務(wù)器的內(nèi)部結(jié)構(gòu)劃分成不同的功能模塊或單元，以完成以上描述的全部或者部分功能。另外，上述實(shí)施例提供的病理圖像自監(jiān)督染色歸一化裝置與病理圖像自監(jiān)督染色歸一化方法實(shí)施例屬于同一構(gòu)思，其具體實(shí)現(xiàn)過程詳見病理圖像自監(jiān)督染色歸一化方法實(shí)施例，這里不再贅述。[0062]基于同樣的發(fā)明構(gòu)思，實(shí)施例還提供了一種計(jì)算設(shè)備，包括存儲器和一個(gè)或多個(gè)處理器，存儲器中存儲有可執(zhí)行代碼，一個(gè)或多個(gè)處理器執(zhí)行可執(zhí)行代碼時(shí)，用于實(shí)現(xiàn)上述病理圖像自監(jiān)督染色歸一化方法，具體包括以下步驟：[0063]S110,構(gòu)建病理圖像數(shù)據(jù)庫；[0064]S120,設(shè)計(jì)染色歸一化模型及訓(xùn)練，將病理圖像進(jìn)行顏色隨機(jī)化后轉(zhuǎn)換為公共特征域圖像，以公共特征域圖像和輸入病理圖像作為自配對進(jìn)行模型的自監(jiān)督訓(xùn)練獲得單醫(yī)療中心的染色歸一化模型。[0065]S130,利用參數(shù)優(yōu)化后的染色歸一化模型進(jìn)行驗(yàn)證與應(yīng)用評估。[0066]實(shí)施例提供的計(jì)算設(shè)備，在硬件層面，除了包含處理器和存儲器外，還包括內(nèi)部總線、網(wǎng)絡(luò)接口、內(nèi)存等其他業(yè)務(wù)所需要的硬件。存儲器為非易失性存儲器，處理器從非易失性存儲器中讀取對應(yīng)的計(jì)算機(jī)程序到內(nèi)存中然后運(yùn)行，以實(shí)現(xiàn)上述S110-S130所述的病理圖像自監(jiān)督染色歸一化方法。當(dāng)然，除了軟件實(shí)現(xiàn)方式之外，本發(fā)明并不排除其他實(shí)現(xiàn)方式，比如邏輯器件抑或軟硬件結(jié)合的方式等等，也就是說以下處理流程的執(zhí)行主體并不限定于各個(gè)邏輯單元，也可以是硬件或邏輯器件。[0067]基于同樣的發(fā)明構(gòu)思，實(shí)施例還提供了計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有程序，該程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)上述病理圖像自監(jiān)督染色歸一化方法，具體包括以下步驟：[0068]S110,構(gòu)建病理圖像數(shù)據(jù)庫；[0069]S120,設(shè)計(jì)染色歸一化模型及訓(xùn)練，將病理圖像進(jìn)行顏色隨機(jī)化后轉(zhuǎn)換為公共特征域圖像