(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 202210539255.X (22)申请日 2022.05.18 (71)申请人 中国科学院深圳先进技 术研究院 地址 518055 广东省深圳市南 山区深圳大 学城学苑大道1068号 (72)发明人 罗茜　郭昂　陈志宇　李芳　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 侯珊 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/762(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 图像分区方法、 装置、 设备及可读存 储介质 (57)摘要 本申请公开了一种图像分区方法、 装置、 设 备及可读存储介质。 获取待进行分区的生物组织 切片染色图像； 确定该生物组织切片染色图像中 的待处理图像块； 对每个待处理图像块进行特征 提取， 得到每个待处理图像块的组织形态学特征 向量， 该组织形态学特征向量中每个元素对应一 个组织形态学特征在该待处理图像块的响应强 度； 基于各个待处理图像块的组织形态学特征向 量， 对各个待处理图像块进行聚类， 得到各个待 处理图像块的聚类结果； 基于各个待处理图像块 的聚类结果， 对 该生物组织切片染色图像进行分 区。 采用上述方案， 基于聚类即可对生物组织切 片染色图像进行分区， 无需有监督训练生物组织 切片染色图像分区模型。 权利要求书2页 说明书7页 附图4页 CN 114841978 A 2022.08.02 CN 114841978 A 1.一种图像分区方法， 其特 征在于， 所述方法包括： 获取待进行分区的生物组织切片染色图像； 确定所述 生物组织切片染色图像中的待处 理图像块； 对每个待处理图像块进行特征提取， 得到每个待处理图像块的组织形态学特征向量， 所述组织形态学特征向量中每个元素对应一个组织形态学特征在所述待处理图像块的响 应强度； 基于各个待处理图像块的组织形态学特征向量， 对各个待处理图像块进行聚类， 得到 各个待处 理图像块的聚类结果； 基于各个待处 理图像块的聚类结果， 对所述 生物组织切片染色图像进行分区。 2.根据权利要求1所述的方法， 其特征在于， 所述确定所述生物 组织切片染色图像 中的 待处理图像块， 包括： 采用组织探测算法确定所述 生物组织切片染色图像的组织区域和背景区域； 将所述生物组织切片染色图像分割为大小相等的图像块； 针对每个图像块， 根据所述图像块的组织区域和背景区域， 计算所述图像块中组织区 域占比； 将组织区域占比满足预设条件的图像块确定为待处 理图像块。 3.根据权利要求1所述的方法， 其特征在于， 所述对每个待处理图像块进行特征提取， 得到每个待处理图像块的组织形态学 特征向量， 包括： 利用特征提取网络， 对每个待处理图像块进行特征提取， 得到每个待处理图像块的组 织形态学特征向量， 所述特征提取网络是利用自然图像数据集对卷积神经网络预训练得到 的。 4.根据权利要求1所述的方法， 其特征在于， 所述基于各个待处理图像块的组织形态学 特征向量， 对各个待处 理图像块进行聚类， 得到各个待处 理图像块的聚类结果， 包括： 获取各个待处 理图像块在所述 生物组织切片染色图像中的位置信息； 基于各个待处理图像块在所述生物 组织切片染色图像中的位置信 息， 以及各个待处理 图像块的组织形态学 特征向量， 生成形态学 特征数据集； 基于所述形态学特征数据集， 生成组织形态学特征空间分布图， 所述组织形态学特征 空间分布图中每 个空间位置点对应一张组织形态特 征谱； 对各个组织形态特 征谱进行降维， 得到降维后的组织形态特 征谱； 采用聚类算法， 对各个降维后的组织形态特征谱进行聚类， 得到多个簇， 每个簇对应组 织形态特 征谱相似的待处 理图像块， 不同簇对应组织形态特 征谱相异的待处 理图像块。 5.根据权利要求4所述的方法， 其特征在于， 所述基于各个待处理图像块的聚类结果， 对所述生物组织切片染色图像进行分区， 包括： 将所述生物组织切片染色图像中对应各个待处理图像块的区域， 依据 所述待处理图像 块所在簇对应的颜色信息， 对所述待处理图像块进行着色， 实现对所述生物组织切片染色 图像的分区。 6.根据权利要求4所述的方法， 其特征在于， 所述对各个组织形态特征谱进行降维， 得 到降维后的组织形态特 征谱， 包括： 使用非线性降维算法， 或， 线性降维算法， 对各个组织形态特征谱进行降维， 得到降维权　利　要　求　书 1/2 页 2 CN 114841978 A 2后的组织形态特 征谱。 7.根据权利要求 4所述的方法， 其特 征在于， 所述聚类算法， 包括： Kmeans、 层次聚类、 基于密度的聚类方法、 用高斯混合模型的最大期望聚类、 图团体检 测、 均值漂移聚类中的任意 一种。 8.一种图像分区装置， 其特 征在于， 所述装置包括： 获取单元， 用于获取待 进行分区的生物组织切片染色图像； 确定单元， 用于确定所述 生物组织切片染色图像中的待处 理图像块； 特征提取单元， 用于对每个待处理图像块进行特征提取， 得到每个待处理图像块的组 织形态学特征向量， 所述组织形态学特征向量中每个元素对应一个组织形态学特征在所述 待处理图像块的响应强度； 聚类单元， 用于基于各个待处理图像块的组织形态学特征向量， 对各个待处理图像块 进行聚类， 得到各个待处 理图像块的聚类结果； 分区单元， 用于基于各个待处理图像块的聚类结果， 对所述生物组织切片染色图像进 行分区。 9.一种图像分区设备， 其特 征在于， 包括存 储器和处 理器； 所述存储器， 用于存 储程序； 所述处理器， 用于执行所述程序， 实现如权利要求1至7中任一项所述的图像分区方法 的各个步骤。 10.一种可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被处理 器执行时， 实现如权利要求1至7中任一项所述的图像分区方法的各个步骤。权　利　要　求　书 2/2 页 3 CN 114841978 A 3