一种基于深度学习的乳腺癌病理图像HE癌巢分割方法

摘要

本发明公开一种基于深度学习的乳腺癌病理图像HE癌巢分割方法，包括：S1、输入一张HE WSI，系统分割模型，在1x下，分割切片中组织的轮廓区域；S2、将1x分割的区域，映射到40x下，并提取对应区域；S3、将提取的区域，裁剪成尺寸为1024*1024，重叠128个像素的Patch；S4、将所有Patch的倍率提升至80x；S5、将高分辨率结果输入进语义分割模型，模型输出每个Patch的分割Mask；S6、将每个Mask按照裁剪的坐标合并生成完整的二值Mask图像；S7、对合并完成的二值图像进行形态学操作，并按层级关系提取轮廓。本发明采用深度神经网络进行分割，其泛化能力更强，鲁棒性更高，采用了重叠采用的方式，设计了边界效应的处理机制，可以有效避免边界效应。