一种病理切片染色质量评价方法、装置、设备及存储介质
阅读：864发布：2020-05-08
专利汇可以提供一种病理切片染色质量评价方法、装置、设备及存储介质专利检索，专利查询，专利分析的服务。并且本 发明 实施例 公开了一种病理切片 染色 质量 评价方法、装置、设备及存储介质。所述方法包括：将染色的病理切片进行数字化扫描，得到待分析医学图像；对所述待分析医学图像进行特征识别，得到多个染色 颜色 值；获取染色标准值，根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量。本发明评价标准统一，采用 人工智能 避免了病理医生或者病理技术人员的主观性评价，确保了质量评价的一致性，适合同一实验室内的病理切片染色质量评价，也适合不同实验室间的病理切片染色质量评价。，下面是一种病理切片染色质量评价方法、装置、设备及存储介质专利的具体信息内容。
1.一种病理切片染色质量评价方法，所述方法包括：
将染色的病理切片进行数字化扫描，得到待分析医学图像；
对所述待分析医学图像进行特征识别，得到多个染色颜色值；
获取染色标准值，根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量。
2.根据权利要求1所述的病理切片染色质量评价方法，其特征在于，所述待分析医学图像进行特征识别，得到多个染色颜色值，包括：
根据所述待分析医学图像进行细胞结构特征识别，得到细胞核图像、细胞浆图像；
根据所述细胞核图像、所述细胞浆图像分别进行颜色值计算，得到多个染色颜色值，多个所述染色颜色值包括细胞核阴性染色颜色值、细胞浆阴性染色颜色值、细胞核阳性染色颜色值和/或细胞浆阳性染色颜色值。
3.根据权利要求2所述的病理切片染色质量评价方法，其特征在于，所述根据所述待分析医学图像进行细胞结构特征识别，得到细胞核图像、细胞浆图像，包括：
根据所述待分析医学图像采用细胞核分割算法分割出细胞核，得到细胞核图像；
根据所述待分析医学图像采用细胞浆分割算法分割出细胞浆，得到细胞浆图像。
4.根据权利要求2所述的病理切片染色质量评价方法，其特征在于，所述根据所述细胞核图像、所述细胞浆图像分别进行颜色值计算，得到多个染色颜色值，多个所述染色颜色值包括细胞核阴性染色颜色值、细胞浆阴性染色颜色值、细胞核阳性染色颜色值和/或细胞浆阳性染色颜色值，包括：
根据所述细胞核图像的颜色值进行分类，得到细胞核阴性染色图像、细胞核阳性染色图像；
根据所述细胞浆图像的颜色值进行分类，得到细胞浆阴性染色图像、细胞浆阳性染色图像；
根据所述细胞核阴性染色图像、所述细胞核阳性染色图像、所述细胞浆阴性染色图像、所述细胞浆阳性染色图像分别进行颜色值计算，得到细胞核阴性染色颜色值、细胞浆阴性染色颜色值、细胞核阳性染色颜色值、细胞浆阳性染色颜色值。
5.根据权利要求1所述的病理切片染色质量评价方法，其特征在于，所述染色标准值包括：细胞核阴性染色标准值、细胞浆阴性染色标准值、细胞核阳性染色标准值、细胞浆阳性染色标准值。
6.根据权利要求1所述的病理切片染色质量评价方法，其特征在于，所述根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量，包括：
将所述染色颜色值、与所述染色颜色值对应的染色标准值进行评分，得到染色颜色值评分；
根据所有所述染色颜色值评分进行综合评分，得到病理切片染色综合评分；
获取染色综合评分标准值，根据所述染色综合评分标准值、所述病理切片染色综合评分进行比较确定与所述待分析医学图像对应的病理切片的染色质量。
7.根据权利要求6所述的病理切片染色质量评价方法，其特征在于，所述将所述染色颜色值、与所述染色颜色值对应的染色标准值进行评分，得到染色颜色值评分，包括：
计算所述染色颜色值、与所述染色颜色值对应的染色标准值之前的差值，得到染色颜色差值；
根据所述染色颜色差值进行评分，得到染色颜色值评分。
8.根据权利要求7所述的病理切片染色质量评价方法，其特征在于，所述染色颜色值包括三个通道的通道数值，所述染色标准值包括三个通道的通道标准值；
所述计算所述染色颜色值、与所述染色颜色值对应的染色标准值之前的差值，得到染色颜色差值，包括：
分别计算每个通道的通道数值与通道数值对应的通道标准值之间的通道差值；
根据通道差值进行绝对值计算，得到通道颜色差值；
根据三个所述通道颜色差值进行加权求和计算，得到染色颜色差值。
9.根据权利要求7所述的病理切片染色质量评价方法，其特征在于，所述根据所述染色颜色差值进行评分，得到染色颜色值评分，包括：
将所述染色颜色差值除以预设数值得到染色颜色值评分。
10.根据权利要求1至9任一项所述的病理切片染色质量评价方法，其特征在于，所述将染色的病理切片进行数字化扫描，得到待分析医学图像，包括：
将染色的病理切片进行数字化扫描，得到初始医学图像；
将所述初始医学图像进行二值化处理，得到二值化医学图像；
从所述二值化医学图像获取数值最低的颜色值，得到二值化最低颜色值；
根据所述二值化最低颜色值确定与所述二值化最低颜色值对应的初始医学图像的最低颜色值；
根据与所述二值化最低颜色值对应的初始医学图像的最低颜色值对所述初始医学图像进行修正处理，得到所述待分析医学图像。
11.根据权利要求10所述的病理切片染色质量评价方法，其特征在于，所述根据与所述二值化最低颜色值对应的初始医学图像的最低颜色值对所述初始医学图像进行修正处理，得到所述待分析医学图像，包括：
根据白色的颜色值、与所述二值化最低颜色值对应的初始医学图像的最低颜色值进行计算修正颜色值；根据所述初始医学图像、所述修正颜色值得到所述待分析医学图像。
12.根据权利要求1至9任一项所述的病理切片染色质量评价方法，其特征在于，在所述根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量之后，还包括：
获取测评信息表，所述测评信息表包括与染色的病理切片对应的实验室标识、染色员标识、染色过程数据；
将所述测评信息表、所述待分析医学图像、多个所述染色颜色值、所述染色标准值、与所述待分析医学图像对应的病理切片的染色质量更新到病理切片染色数据库。
13.根据权利要求12所述的病理切片染色质量评价方法，其特征在于，所述方法还包括：
获取所述实验室标识；
根据所述实验室标识从病理切片染色数据库中获取病理切片的染色质量不合格对应的所述测评信息表、所述待分析医学图像、多个所述染色颜色值及所述染色标准值；
根据所述测评信息表、所述待分析医学图像、多个所述染色颜色值及所述染色标准值进行不合格原因分析，得到不合格原因数据。
14.根据权利要求13所述的病理切片染色质量评价方法，其特征在于，在所述根据所述测评信息表、所述待分析医学图像、多个所述染色颜色值及所述染色标准值进行不合格原因分析，得到不合格原因数据之后，还包括：
获取改进建议列表；
根据所述不合格原因数据从所述改进建议列表获取改进建议，得到实验室改进建议列表。
15.一种病理切片染色质量评价装置，其特征在于，所述装置包括：
扫描模块，用于将染色的病理切片进行数字化扫描，得到待分析医学图像；
染色颜色值提取模块，用于对所述待分析医学图像进行特征识别，得到多个染色颜色值；
染色质量确定模块，用于获取染色标准值，根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量。
16.一种存储介质，存储有计算机指令程序，其特征在于，所述计算机指令程序被处理器执行时，使得所述处理器执行如权利要求1至14中任一项所述方法的步骤。
17.一种计算机设备，其特征在于，包括至少一个存储器、至少一个处理器，所述存储器存储有计算机指令程序，所述计算机指令程序被所述处理器执行时，使得所述处理器执行如权利要求1至14中任一项所述方法的步骤。
一种病理切片染色质量评价方法、装置、设备及存储介质
技术领域
[0001] 本发明涉及质量评价技术领域，尤其涉及一种病理切片染色质量评价方法、装置、设备及存储介质。
背景技术
[0002] 病理技术是病理学的一个重要分支，是病理学研究中的方法学，是病理诊断的基础。常规病理是病理技术最重要的部分，任何病理诊断离不开它。其中免疫组化染色是现代病理学诊断技术不可或缺的重要技术。免疫组化染色的步骤较为繁琐，而且因不同实验室和技术员的操作技术，可能导致最终免疫组化染色的效果完全不全。同一实验室，由3名实验室操作人员在不同时间进行操作后出现三种不同效果的染色，对于后期的病理诊断报告结果也可能造成较为严重的影响。
[0003] 目前对于无论是同一实验室内还是不同实验室之间的质量控制，往往都是由病理医生或者病理技术人员进行主观性评价。一方面，对于诊断质量的标准，每个人都不完全一致，大多数都是主观性的难以重复的评价；另一方面，对于细微的质量差异，人的评价结果往往差异性更大，无法完成可靠和准确的评价。所以每一次的质量控制评价标准和结果都是非常不稳定的，从而造成免疫组化染色的质量在不同实验室很难达到一致性的染色质量。因此，开发一种检测标准统一且同时适合同一实验室内和不同实验室间的病理切片染色质量评价方法显得尤为重要。
发明内容
[0004] 基于此，有必要针对上述问题，提出了一种病理切片染色质量评价方法、装置、设备及存储介质。
[0005] 第一方面，本发明一种病理切片染色质量评价方法，所述方法包括：
[0006] 将染色的病理切片进行数字化扫描，得到待分析医学图像；
[0007] 对所述待分析医学图像进行特征识别，得到多个染色颜色值；
[0008] 获取染色标准值，根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量。
[0009] 第二方面，本发明还提出了一种病理切片染色质量评价装置，所述装置包括：
[0010] 扫描模块，用于将染色的病理切片进行数字化扫描，得到待分析医学图像；
[0011] 染色颜色值提取模块，用于对所述待分析医学图像进行特征识别，得到多个染色颜色值；
[0012] 染色质量确定模块，用于获取染色标准值，根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量。
[0013] 第三方面，本发明还提出了一种存储介质，存储有计算机指令程序，所述计算机指令程序被处理器执行时，使得所述处理器执行第一方面任一项所述方法的步骤。
[0014] 第四方面，本发明还提出了一种计算机设备，包括至少一个存储器、至少一个处理器，所述存储器存储有计算机指令程序，所述计算机指令程序被所述处理器执行时，使得所述处理器执行第一方面任一项所述方法的步骤。
[0015] 综上所述，本发明的病理切片染色质量评价方法将染色的病理切片进行数字化扫描，得到待分析医学图像，通过人工智能对数字化的待分析医学图像进行分析，避免了病理医生或者病理技术人员的主观性评价，确保了质量评价的一致性；对待分析医学图像进行特征识别，得到多个染色颜色值，获取染色标准值，根据多个染色颜色值和染色标准值确定与待分析医学图像对应的病理切片的染色质量，识别出染色颜色值的方法相同，采用多个染色颜色值与染色标准值来进行评价，评价参数统一，评价标准统一，采用人工智能，从而适合同一实验室内的病理切片染色质量评价，也适合不同实验室间的病理切片染色质量评价。因此，本发明评价标准统一，采用人工智能避免了病理医生或者病理技术人员的主观性评价，确保了质量评价的一致性，适合同一实验室内的病理切片染色质量评价，也适合不同实验室间的病理切片染色质量评价。附图说明
[0016] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017] 其中：
[0018] 图1为一个实施例中病理切片染色质量评价方法的流程图；
[0019] 图2为图1的病理切片染色质量评价方法的识别染色颜色值的流程图；
[0020] 图3为图1的病理切片染色质量评价方法的细胞结构特征识别的流程图；
[0021] 图4为图1的病理切片染色质量评价方法的计算颜色值的流程图；
[0022] 图5为图1的病理切片染色质量评价方法的确定染色质量的流程图；
[0023] 图6为图1的病理切片染色质量评价方法的计算染色颜色差值的流程图；
[0024] 图7为另一个实施例中病理切片染色质量评价方法的流程图；
[0025] 图8为图1的病理切片染色质量评价方法的分析不合格原因的流程图；
[0026] 图9为一个实施例中病理切片染色质量评价装置的结构框图；
[0027] 图10为一个实施例中计算机设备的结构框图。
具体实施方式
[0028] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0029] 如图1所示，在一个实施例中，提出了一种病理切片染色质量评价方法，所述方法包括：
[0030] S102、将染色的病理切片进行数字化扫描，得到待分析医学图像；
[0032] 病理切片的传统染色包括：HE染色、巴士染色、瑞氏吉姆萨染色、胶原纤维染色(Masson等)、网状纤维染色、弹力纤维染色、肌肉组织染色(磷钨酸苏木素)、脂肪染色(苏丹III)、糖原染色(PAS)、粘液染色(PAS)等，病理切片的免疫化学染色包括：免疫组织化学染色(免疫组化)、免疫荧光染色等，在此举例不做具体限定。本申请以应用于免疫组化举例说明，可以理解的是，本申请的方法同样适用病理切片的传统染色和其他免疫化学染色。
[0034] 其中，可以将所述初始医学图像直接作为待分析医学图像，也可以将所述初始医学图像进行修正处理后得到的图像作为待分析医学图像。
[0035] S104、对所述待分析医学图像进行特征识别，得到多个染色颜色值；
[0036] 其中，根据所述待分析医学图像进行细胞结构特征识别，得到细胞核图像、细胞浆图像；根据所述细胞核图像、所述细胞浆图像分别进行颜色值计算，得到多个染色颜色值。
[0037] 可以理解的是，多个所述染色颜色值可以同时包括细胞核阴性染色颜色值、细胞浆阴性染色颜色值、细胞核阳性染色颜色值，也可以同时包括细胞核阴性染色颜色值、细胞浆阴性染色颜色值、细胞浆阳性染色颜色值，还可以同时包括细胞核阴性染色颜色值、细胞浆阴性染色颜色值、细胞核阳性染色颜色值、细胞浆阳性染色颜色值。
[0038] 可选的，所述颜色值是指三个红(R)、绿(G)、蓝(B)颜色通道的数值，也叫RGB值，表示为(Rx，Gx，Bx)，Rx是红色通道的数值，Gx是绿色通道的数值，Bx是蓝色通道的数值，在此举例不做具体限定。
[0039] 所述细胞核阴性染色颜色值是指对细胞核阴性着色得到的颜色值。
[0040] 所述细胞浆阴性染色颜色值是指对细胞浆阴性着色得到的颜色值。
[0041] 所述细胞核阳性染色颜色值是指对细胞核阳性着色得到的颜色值。
[0042] 所述细胞浆阳性染色颜色值是指对细胞浆阳性着色得到的颜色值。
[0043] 所述细胞核是指真核细胞内最大、最重要的细胞结构，是细胞遗传与代谢的调控中心，是真核细胞区别于原核细胞最显著的标志之一。
[0044] 所述细胞浆是指细胞质，是细胞质膜包围的除核区外的一切半透明、胶状、颗粒状物质的总称。
[0045] S106、获取染色标准值，根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量。
[0046] 可选的，所述染色标准值可以是一个具体的RGB数值，也可以是范围值。
[0047] 可选的，将所述染色颜色值、与所述染色颜色值对应的染色标准值进行评分，得到染色颜色值评分，根据所有所述染色颜色值评分进行综合评分，得到病理切片染色综合评分，获取染色综合评分标准值，根据所述染色综合评分标准值、所述病理切片染色综合评分进行比较确定与所述待分析医学图像对应的病理切片的染色质量。
[0048] 可选的，当所述染色颜色值在与所述染色颜色值对应的染色标准值的范围内时则染色颜色值评价结果为合格，当所述染色颜色值在与所述染色颜色值对应的染色标准值的范围外时则染色颜色值评价结果为不合格；根据所有所述染色颜色值评价结果进行综合评价，得到与所述待分析医学图像对应的病理切片的染色质量。
[0049] 所述根据所有所述染色颜色值评价结果进行综合评价，得到与所述待分析医学图像对应的病理切片的染色质量，包括：当所有所述染色颜色值评价结果全部为合格时则与所述待分析医学图像对应的病理切片的染色质量为合格，当所有所述染色颜色值评价结果部分为不合格时则与所述待分析医学图像对应的病理切片的染色质量为不合格；可以理解的是，还可以由其他综合评价方法，在此举例不做具体限定。
[0050] 所述染色标准值是由专家级病理医生评估出的染色质量最佳的病理切片，再根据该病理切片进行数字化扫描后得到的颜色值，是通过多次重复试验得到的一种可以用于评价染色质量的参考标准。
[0051] 可以理解的是，所述染色标准值的数量为多个，所述染色标准值与所述染色颜色值一一对应。比如，细胞核阴性染色颜色值对应一个染色标准值，细胞浆阴性染色颜色值对应一个染色标准值，细胞核阳性染色颜色值对应一个染色标准值，细胞浆阳性染色颜色值对应一个染色标准值，在此举例不做具体限定。
[0052] 可选的，所述染色标准值包括：与细胞核阴性染色颜色值对应的细胞核阴性染色标准值、与细胞浆阴性染色颜色值对应的细胞浆阴性染色标准值、与细胞核阳性染色颜色值对应的细胞核阳性染色标准值、与细胞浆阳性染色颜色值对应的细胞浆阳性染色标准值。
[0053] 可选的，所述一一对应可以指所述染色标准值和与所述染色标准值对应的染色颜色值采用相同的染色方法，也可以指所述染色标准值和与所述染色标准值对应的染色颜色值采用相同器官的组织及相同的染色方法，还可以指所述染色标准值和与所述染色标准值对应的染色颜色值采用相同器官的组织、相同的染色方法及相同病理，在此举例不做具体限定。
[0054] 可选的，所述染色的病理切片是指完成所有染色阶段的病理切片，所述染色标准值也是完成所有染色阶段的病理切片对应的染色标准值。
[0055] 可选的，染色包括多个染色阶段，所述染色的病理切片其中一个染色阶段染色后的病理切片，则所述染色标准值也是也是该染色阶段染色后的病理切片对应的染色标准值。采用分阶段的染色的病理切片的染色质量评价，能快速定位不合格的染色的病理切片的染色阶段，便于后续及时解决相应的问题。
[0056] 本实施例的病理切片染色质量评价方法将染色的病理切片进行数字化扫描，得到待分析医学图像，通过人工智能对数字化的待分析医学图像进行分析，避免了病理医生或者病理技术人员的主观性评价，确保了质量评价的一致性；对待分析医学图像进行特征识别，得到多个染色颜色值，获取染色标准值，根据多个染色颜色值和染色标准值确定与待分析医学图像对应的病理切片的染色质量，识别出染色颜色值的方法相同，采用多个染色颜色值与染色标准值来进行评价，评价参数统一，评价标准统一，采用人工智能，从而适合同一实验室内的病理切片染色质量评价，也适合不同实验室间的病理切片染色质量评价。
[0057] 如图2所示，在一个实施例中，所述待分析医学图像进行特征识别，得到多个染色颜色值，包括：
[0058] S202、根据所述待分析医学图像进行细胞结构特征识别，得到细胞核图像、细胞浆图像；
[0059] 其中，可以从现有技术中选择细胞核分割算法、细胞浆分割算法分别对所述待分析医学图像中的细胞结构进行特征识别，得到细胞核图像、细胞浆图像。可以理解的是，还可以采用其他算法对所述待分析医学图像中的细胞结构进行特征识别，在此举例不做具体限定。
[0060] S204、根据所述细胞核图像、所述细胞浆图像分别进行颜色值计算，得到多个染色颜色值，多个所述染色颜色值包括细胞核阴性染色颜色值、细胞浆阴性染色颜色值、细胞核阳性染色颜色值和/或细胞浆阳性染色颜色值。
[0061] 如图3所示，在一个实施例中，所述根据所述待分析医学图像进行细胞结构特征识别，得到细胞核图像、细胞浆图像，包括：
[0062] S302、根据所述待分析医学图像采用细胞核分割算法分割出细胞核，得到细胞核图像；
[0063] 具体而言，根据所述待分析医学图像采用细胞核分割算法分割出细胞核，得到细胞核图像，所述细胞核图像的数量为多个。所述细胞核分割算法可以从现有技术中选择，在此不做赘述。
[0064] S304、根据所述待分析医学图像采用细胞浆分割算法分割出细胞浆，得到细胞浆图像。
[0065] 具体而言，根据所述待分析医学图像采用细胞浆分割算法分割出细胞浆，得到细胞浆图像，所述细胞浆图像的数量为多个。所述细胞浆分割算法可以从现有技术中选择，在此不做赘述。
[0066] 如图4所示，在一个实施例中，在一个实施例中，所述根据所述细胞核图像、所述细胞浆图像分别进行颜色值计算，得到多个染色颜色值，多个所述染色颜色值包括细胞核阴性染色颜色值、细胞浆阴性染色颜色值、细胞核阳性染色颜色值和/或细胞浆阳性染色颜色值，包括：
[0067] S402、根据所述细胞核图像的颜色值进行分类，得到细胞核阴性染色图像、细胞核阳性染色图像；
[0068] 具体而言，将所述细胞核图像的颜色值是阳性着色的分类为细胞核阳性染色图像，将所述细胞核图像的颜色值是阴性着色的分类为细胞核阴性染色图像。比如，在免疫组化中，细胞核阳性着色为黑褐色，细胞核阴性着色为蓝色，在此举例不做具体限定。
[0069] S404、根据所述细胞浆图像的颜色值进行分类，得到细胞浆阴性染色图像、细胞浆阳性染色图像；
[0070] 具体而言，将所述细胞浆图像的颜色值是阳性着色的分类为细胞浆阳性染色图像，将所述细胞浆图像的颜色值是阴性着色的分类为细胞浆阴性染色图像。
[0071] S406、根据所述细胞核阴性染色图像、所述细胞核阳性染色图像、所述细胞浆阴性染色图像、所述细胞浆阳性染色图像分别进行颜色值计算，得到细胞核阴性染色颜色值、细胞浆阴性染色颜色值、细胞核阳性染色颜色值、细胞浆阳性染色颜色值。
[0072] 具体而言，根据所述细胞核阴性染色图像进行颜色值计算得到细胞核阴性染色颜色值；根据所述细胞核阳性染色图像进行颜色值计算得到细胞核阳性染色颜色值；根据所述细胞浆阴性染色图像进行颜色值计算得到细胞浆阴性染色颜色值；根据所述细胞浆阳性染色图像分别进行颜色值计算得到细胞浆阳性染色颜色值。
[0073] 其中，所述颜色值计算可以计算染色图像中所有像素点的RGB的平均值，也可以提取染色图像中所有像素点的RGB的最大值，还可以提取染色图像中所有像素点的RGB的最小值；可以理解的是，所述颜色值计算还可以采用其他算法，在此举例不做具体限定。
[0074] 可选的，染色颜色值与与所述染色颜色值对应的染色标准值采用相同的颜色值计算方法，从而提高染色质量评价的准确性和一致性。
[0075] 如图5所示，在一个实施例中，所述根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量，包括：
[0076] S502、将所述染色颜色值、与所述染色颜色值对应的染色标准值进行评分，得到染色颜色值评分；
[0077] 其中，当所述染色标准值是一个具体的RGB数值时，则计算所述染色颜色值、与所述染色颜色值对应的染色标准值之前的差值，得到染色颜色差值，根据所述染色颜色差值进行评分，得到染色颜色值评分；当所述染色标准值是范围值时，则当所述染色颜色值在与所述染色颜色值对应的染色标准值的范围值内时则染色颜色值评分为满分，当所述染色颜色值不在与所述染色颜色值对应的染色标准值的范围值内时则按预设评分规则进行计算得到染色颜色值评分。
[0078] 所述当所述染色颜色值不在与所述染色颜色值对应的染色标准值的范围值内时则根据按预设评分规则计算得到染色颜色值评分，包括：计算所述染色颜色值对应的染色标准值的范围值的范围值起点和终点的平均值，得到染色标准值中心；当所述染色颜色值小于所述染色标准值中心时，则将与所述染色颜色值对应的染色标准值的范围值的范围值起点减去所述染色颜色值，得到偏离差值；当所述染色颜色值大于所述染色标准值中心时，则将所述染色颜色值减去与所述染色颜色值对应的染色标准值的范围值的范围值终点得到偏离差值，根据所述偏离差值计算得到染色颜色值评分。
[0079] 所述根据所述偏离差值计算得到染色颜色值评分，包括：所述偏离差值乘以预设系数得到偏离分值，将满分减去所述偏离分值得到染色颜色值评分。可以理解的是，还可以采用其他算法计算染色颜色值评分，在此举例不做具体限定。
[0080] S504、根据所有所述染色颜色值评分进行综合评分，得到病理切片染色综合评分；
[0081] 其中，可以将所有所述染色颜色值评分进行加权求和，得到病理切片染色综合评分。可以理解的是，所述综合评分还可以采用其他算法，在此举例不做具体限定。
[0082] 可选的，所述将所有所述染色颜色值评分进行加权求和时，可以根据病理的对所述染色颜色值设置权重，也可以根据染色方法对所述染色颜色值设置权重，还可以根据病理及染色方法对所述染色颜色值设置权重，在此举例不做具体限定。
[0083] S506、获取染色综合评分标准值，根据所述染色综合评分标准值、所述病理切片染色综合评分进行比较确定与所述待分析医学图像对应的病理切片的染色质量。
[0084] 可选的，所述染色综合评分标准值可以是一个具体的RGB数值，也可以是范围值。
[0085] 其中，当所述染色综合评分标准值是一个具体的RGB数值时，则所述病理切片染色综合评分大于或等于所述染色综合评分标准值时则与所述待分析医学图像对应的病理切片的染色质量为合格，则所述病理切片染色综合评分小于所述染色综合评分标准值时则与所述待分析医学图像对应的病理切片的染色质量为不合格；当所述染色综合评分标准值是范围值时，则所述病理切片染色综合评分在所述染色综合评分标准值的范围值内时则与所述待分析医学图像对应的病理切片的染色质量为合格，所述病理切片染色综合评分在所述染色综合评分标准值的范围值外时则与所述待分析医学图像对应的病理切片的染色质量为不合格。
[0086] 可选的，每个所述染色综合评分标准值的权重可以根据病理进行设置，也可以根据染色方法进行设置，还可以根据病理及染色方法进行设置，在此举例不做具体限定。
[0087] 本实施例通过建立客观性评价体系及指标，提高了病理切片染色质量评价的准确性和客观性，不再需要每次评价都依赖专业的病理医生，减少了评价染色质量的人力成本，而且也可以避免不同病理医生的主观性影响评价的准确性，也便于同一实验室内以及不同实验室之间采用统一的评价体系，确保了质量评价的一致性。
[0088] 在一个实施例中，所述将所述染色颜色值、与所述染色颜色值对应的染色标准值进行评分，得到染色颜色值评分，包括：计算所述染色颜色值、与所述染色颜色值对应的染色标准值之前的差值，得到染色颜色差值；根据所述染色颜色差值进行评分，得到染色颜色值评分。
[0089] 如图6所示，在一个实施例中，所述染色颜色值包括三个通道的通道数值，所述染色标准值包括三个通道的通道标准值；
[0090] 所述计算所述染色颜色值、与所述染色颜色值对应的染色标准值之前的差值，得到染色颜色差值，包括：
[0091] S602、分别计算每个通道的通道数值与通道数值对应的通道标准值之间的通道差值；
[0092] 比如，所述颜色值采用RGB时，将所述染色颜色值的R通道的通道数值减去与所述染色颜色值对应的染色标准值的R通道的通道数值得到R通道差值，将所述染色颜色值的G通道的通道数值减去与所述染色颜色值对应的染色标准值的G通道的通道数值得到G通道差值，将所述染色颜色值的B通道的通道数值减去与所述染色颜色值对应的染色标准值的B通道的通道数值得到B通道差值，在此举例不做具体限定。
[0093] S604、根据通道差值进行绝对值计算，得到通道颜色差值；
[0094] 比如，所述颜色值采用RGB时，计算R通道差值的绝对值得到R通道颜色差值，计算G通道差值的绝对值得到G通道颜色差值，计算B通道差值的绝对值得到B通道颜色差值，将R通道颜色差值、G通道颜色差值、B通道颜色差值作为通道颜色差值。
[0095] S606、根据三个所述通道颜色差值进行加权求和计算，得到染色颜色差值。
[0096] 比如，所述颜色值采用RGB时，将R通道颜色差值、G通道颜色差值、B通道颜色差值进行加权求和计算，得到染色颜色差值。
[0097] 可选的，每个所述通道颜色差值的权重可以根据病理进行设置，也可以根据染色方法进行设置，还可以根据病理及染色方法进行设置，在此举例不做具体限定。
[0098] 在一个实施例中，所述根据所述染色颜色差值进行评分，得到染色颜色值评分，包括：将所述染色颜色差值除以预设数值得到染色颜色值评分。可以理解的是，还可以选择其他算法，比如，将所述染色颜色差值直接作为染色颜色值评分，或将所述染色颜色差值除以255得到差值指数且将1减去所述差值指数得到染色颜色值评分，在此举例不做具体限定。
[0099] 如图7所示，在一个实施例中，还提出了一种病理切片染色质量评价方法，所述方法包括：
[0100] S702、将染色的病理切片进行数字化扫描，得到初始医学图像；
[0101] 具体而言，对染色的病理切片进行数字化扫描，得到数字化的初始医学图像。
[0102] S704、将所述初始医学图像进行二值化处理，得到二值化医学图像；
[0103] 具体而言，将所述初始医学图像采用图像二值化算法，得到二值化医学图像。
[0104] 图像二值化(Image Binarization)就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。
[0105] S706、从所述二值化医学图像获取数值最低的颜色值，得到二值化最低颜色值；
[0106] S708、根据所述二值化最低颜色值确定与所述二值化最低颜色值对应的初始医学图像的最低颜色值；
[0107] 具体而言，根据所述二值化最低颜色值确定对应的像素点的位置，将位置的像素点未二值化以前的颜色值作为与所述二值化最低颜色值对应的初始医学图像的最低颜色值。
[0108] S710、根据与所述二值化最低颜色值对应的初始医学图像的最低颜色值对所述初始医学图像进行修正处理，得到所述待分析医学图像；
[0109] 可选的，根据白色的颜色值、与所述二值化最低颜色值对应的初始医学图像的最低颜色值进行计算修正颜色值；根据所述初始医学图像、所述修正颜色值得到所述待分析医学图像。
[0110] 比如，所述颜色值采用RGB时，用255减去与所述二值化最低颜色值对应的初始医学图像的最低颜色值的R通道的通道数值得到R通道的修正颜色值，用255减去与所述二值化最低颜色值对应的初始医学图像的最低颜色值的G通道的通道数值得到G通道的修正颜色值，用255减去与所述二值化最低颜色值对应的初始医学图像的最低颜色值的B通道的通道数值得到B通道的修正颜色值；将所述初始医学图像的所有像素点的R通道的通道数值减去R通道的修正颜色值，将所述初始医学图像的所有像素点的G通道的通道数值减去G通道的修正颜色值，将所述初始医学图像的所有像素点的B通道的通道数值减去B通道的修正颜色值，完成相减后的初始医学图像作为所述待分析医学图像，在此举例不做具体限定。
[0111] 与所述二值化最低颜色值对应的初始医学图像的最低颜色值是指背景色，背景色正常情况下为白色，白色的RGB颜色值为(255,255,255)，当数字化扫描时光照不同，背景色就会变成其他颜色。
[0112] S712、对所述待分析医学图像进行特征识别，得到多个染色颜色值；
[0113] S714、获取染色标准值，根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量。
[0114] 本实施例通过对所述初始医学图像进行修正处理得到所述待分析医学图像，再对所述待分析医学图像进行染色质量评价，避免了数字化扫描时光照引发的色差，从而进一步提高了病理切片染色质量评价的准确性。
[0115] 在一个实施例中，在所述根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量之后，还包括：获取测评信息表，所述测评信息表包括与染色的病理切片对应的实验室标识、染色员标识、染色过程数据；将所述测评信息表、所述待分析医学图像、多个所述染色颜色值、所述染色标准值、与所述待分析医学图像对应的病理切片的染色质量更新到病理切片染色数据库。具体而言，获取用户输入的测评信息表，然后将与染色的病理切片对应的所述测评信息表、所述待分析医学图像、多个所述染色颜色值、所述染色标准值及与所述待分析医学图像对应的病理切片的染色质量添加到所述病理切片染色数据库中。
[0116] 所述用户可以是病理切片染色人员，在此举例不做具体限定。
[0118] 所述染色员标识用于唯一标识一个染色技术员，可以是名称、ID等，在此不做具体限定。
[0119] 如图8所示，在一个实施例中，所述方法还包括：
[0120] S802、获取所述实验室标识；
[0121] 所述实验室标识用于唯一标识一个实验室，可以是实验室名称，也可以是实验室ID号，在此不做具体限定。
[0122] S804、根据所述实验室标识从病理切片染色数据库中获取病理切片的染色质量不合格对应的所述测评信息表、所述待分析医学图像、多个所述染色颜色值及所述染色标准值；
[0123] S806、根据所述测评信息表、所述待分析医学图像、多个所述染色颜色值及所述染色标准值进行不合格原因分析，得到不合格原因数据。
[0124] 所述不合格原因分析包括试剂添加计量、试剂添加时间、试剂添加顺序、抗体添加计量、抗体添加时间、抗体添加顺序，在此举例不做具体限定。
[0125] 在一个实施例中，在所述根据所述测评信息表、所述待分析医学图像、多个所述染色颜色值及所述染色标准值进行不合格原因分析，得到不合格原因数据之后，还包括：获取改进建议列表；根据所述不合格原因数据从所述改进建议列表获取改进建议，得到实验室改进建议列表。具体而言，将所述不合格原因数据从所述改进建议列表中进行检索查找，匹配得到实验室改进建议列表。
[0126] 所述改进建议列表是专家级病理医生从多个染色的病理切片中综合评估后建立的改建建立库。
[0127] 本实施例通过数据分析得到实验室改进建议列表，有利于实验室根据所述实验室改进建议列表改进实验室的操作规范、检验规范、培训体系。
[0128] 如图9所示，在一个实施例中，还提出了一种病理切片染色质量评价装置，所述装置包括：
[0129] 扫描模块902，用于将染色的病理切片进行数字化扫描，得到待分析医学图像；
[0130] 染色颜色值提取模块904，用于对所述待分析医学图像进行特征识别，得到多个染色颜色值；
[0131] 染色质量确定模块906，用于获取染色标准值，根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量。
[0132] 本实施例的病理切片染色质量评价装置将染色的病理切片进行数字化扫描，得到待分析医学图像，通过人工智能对数字化的待分析医学图像进行分析，避免了病理医生或者病理技术人员的主观性评价，确保了质量评价的一致性；对待分析医学图像进行特征识别，得到多个染色颜色值，获取染色标准值，根据多个染色颜色值和染色标准值确定与待分析医学图像对应的病理切片的染色质量，识别出染色颜色值的方法相同，采用多个染色颜色值与染色标准值来进行评价，评价参数统一，评价标准统一，采用人工智能，从而适合同一实验室内的病理切片染色质量评价，也适合不同实验室间的病理切片染色质量评价。
[0133] 在一个实施例中，所述扫描模块902包括数字化扫描子模块、颜色修正子模块；
[0134] 所述数字化扫描子模块用于将染色的病理切片进行数字化扫描，得到初始医学图像；
[0135] 所述颜色修正子模块用于将所述初始医学图像进行二值化处理，得到二值化医学图像，从所述二值化医学图像获取数值最低的颜色值，得到二值化最低颜色值，根据所述二值化最低颜色值确定与所述二值化最低颜色值对应的初始医学图像的最低颜色值，根据与所述二值化最低颜色值对应的初始医学图像的最低颜色值对所述初始医学图像进行修正处理，得到所述待分析医学图像。
[0136] 在一个实施例中，所述装置还包括：
[0137] 数据更新模块，用于获取测评信息表，所述测评信息表包括与染色的病理切片对应的实验室标识、染色员标识、染色过程数据，将所述测评信息表、所述待分析医学图像、多个所述染色颜色值、所述染色标准值、与所述待分析医学图像对应的病理切片的染色质量更新到病理切片染色数据库。
[0138] 在一个实施例中，所述装置还包括：
[0139] 实验室质量控制模块，用于获取所述实验室标识，根据所述实验室标识从病理切片染色数据库中获取病理切片的染色质量不合格对应的所述测评信息表、所述待分析医学图像、多个所述染色颜色值及所述染色标准值，根据所述测评信息表、所述待分析医学图像、多个所述染色颜色值及所述染色标准值进行不合格原因分析，得到不合格原因数据。
[0140] 图10示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端，也可以是服务器。如图10所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现病理切片染色质量评价方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行病理切片染色质量评价方法。本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0141] 在一个实施例中，本申请提供的一种病理切片染色质量评价方法可以实现为一种计算机程序的形式，计算机程序可在如图10所示的计算机设备上运行。计算机设备的存储器中可存储组成的一种病理切片染色质量评价装置的各个程序模板。比如，扫描模块902、染色颜色值提取模块904、染色质量确定模块906。
[0142] 在一个实施例中，本发明还提出了一种存储介质，存储有计算机指令程序，所述计算机指令程序被处理器执行时，使得所述处理器执行时实现如下方法步骤：
[0143] 将染色的病理切片进行数字化扫描，得到待分析医学图像；
[0144] 对所述待分析医学图像进行特征识别，得到多个染色颜色值；
[0145] 获取染色标准值，根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量。
[0146] 本实施例的方法步骤将染色的病理切片进行数字化扫描，得到待分析医学图像，通过人工智能对数字化的待分析医学图像进行分析，避免了病理医生或者病理技术人员的主观性评价，确保了质量评价的一致性；对待分析医学图像进行特征识别，得到多个染色颜色值，获取染色标准值，根据多个染色颜色值和染色标准值确定与待分析医学图像对应的病理切片的染色质量，识别出染色颜色值的方法相同，采用多个染色颜色值与染色标准值来进行评价，评价参数统一，评价标准统一，采用人工智能，从而适合同一实验室内的病理切片染色质量评价，也适合不同实验室间的病理切片染色质量评价。
[0147] 在一个实施例中，所述待分析医学图像进行特征识别，得到多个染色颜色值，包括：根据所述待分析医学图像进行细胞结构特征识别，得到细胞核图像、细胞浆图像；根据所述细胞核图像、所述细胞浆图像分别进行颜色值计算，得到多个染色颜色值，多个所述染色颜色值包括细胞核阴性染色颜色值、细胞浆阴性染色颜色值、细胞核阳性染色颜色值和/或细胞浆阳性染色颜色值。
[0148] 在一个实施例中，所述根据所述待分析医学图像进行细胞结构特征识别，得到细胞核图像、细胞浆图像，包括：根据所述待分析医学图像采用细胞核分割算法分割出细胞核，得到细胞核图像；根据所述待分析医学图像采用细胞浆分割算法分割出细胞浆，得到细胞浆图像。
[0149] 在一个实施例中，所述根据所述细胞核图像、所述细胞浆图像分别进行颜色值计算，得到多个染色颜色值，多个所述染色颜色值包括细胞核阴性染色颜色值、细胞浆阴性染色颜色值、细胞核阳性染色颜色值和/或细胞浆阳性染色颜色值，包括：根据所述细胞核图像的颜色值进行分类，得到细胞核阴性染色图像、细胞核阳性染色图像；根据所述细胞浆图像的颜色值进行分类，得到细胞浆阴性染色图像、细胞浆阳性染色图像；根据所述细胞核阴性染色图像、所述细胞核阳性染色图像、所述细胞浆阴性染色图像、所述细胞浆阳性染色图像分别进行颜色值计算，得到细胞核阴性染色颜色值、细胞浆阴性染色颜色值、细胞核阳性染色颜色值、细胞浆阳性染色颜色值。
[0150] 在一个实施例中，所述染色标准值包括：细胞核阴性染色标准值、细胞浆阴性染色标准值、细胞核阳性染色标准值、细胞浆阳性染色标准值。
[0151] 在一个实施例中，所述根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量，包括：将所述染色颜色值、与所述染色颜色值对应的染色标准值进行评分，得到染色颜色值评分；根据所有所述染色颜色值评分进行综合评分，得到病理切片染色综合评分；获取染色综合评分标准值，根据所述染色综合评分标准值、所述病理切片染色综合评分进行比较确定与所述待分析医学图像对应的病理切片的染色质量。
[0152] 在一个实施例中，所述将所述染色颜色值、与所述染色颜色值对应的染色标准值进行评分，得到染色颜色值评分，包括：计算所述染色颜色值、与所述染色颜色值对应的染色标准值之前的差值，得到染色颜色差值；根据所述染色颜色差值进行评分，得到染色颜色值评分。
[0153] 在一个实施例中，所述染色颜色值包括三个通道的通道数值，所述染色标准值包括三个通道的通道标准值；所述计算所述染色颜色值、与所述染色颜色值对应的染色标准值之前的差值，得到染色颜色差值，包括：分别计算每个通道的通道数值与通道数值对应的通道标准值之间的通道差值；根据通道差值进行绝对值计算，得到通道颜色差值；根据三个所述通道颜色差值进行加权求和计算，得到染色颜色差值。
[0154] 在一个实施例中，所述根据所述染色颜色差值进行评分，得到染色颜色值评分，包括：将所述染色颜色差值除以预设数值得到染色颜色值评分。
[0155] 在一个实施例中，所述将染色的病理切片进行数字化扫描，得到待分析医学图像，包括：将染色的病理切片进行数字化扫描，得到初始医学图像；将所述初始医学图像进行二值化处理，得到二值化医学图像；从所述二值化医学图像获取数值最低的颜色值，得到二值化最低颜色值；根据所述二值化最低颜色值确定与所述二值化最低颜色值对应的初始医学图像的最低颜色值；根据与所述二值化最低颜色值对应的初始医学图像的最低颜色值对所述初始医学图像进行修正处理，得到所述待分析医学图像。
[0156] 在一个实施例中，所述根据与所述二值化最低颜色值对应的初始医学图像的最低颜色值对所述初始医学图像进行修正处理，得到所述待分析医学图像，包括：
[0157] 根据白色的颜色值、与所述二值化最低颜色值对应的初始医学图像的最低颜色值进行计算修正颜色值；根据所述初始医学图像、所述修正颜色值得到所述待分析医学图像。
[0158] 在一个实施例中，在所述根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量之后，还包括：获取测评信息表，所述测评信息表包括与染色的病理切片对应的实验室标识、染色员标识、染色过程数据；将所述测评信息表、所述待分析医学图像、多个所述染色颜色值、所述染色标准值、与所述待分析医学图像对应的病理切片的染色质量更新到病理切片染色数据库。
[0159] 在一个实施例中，所述方法还包括：获取所述实验室标识；根据所述实验室标识从病理切片染色数据库中获取病理切片的染色质量不合格对应的所述测评信息表、所述待分析医学图像、多个所述染色颜色值及所述染色标准值；根据所述测评信息表、所述待分析医学图像、多个所述染色颜色值及所述染色标准值进行不合格原因分析，得到不合格原因数据。
[0160] 在一个实施例中，在所述根据所述测评信息表、所述待分析医学图像、多个所述染色颜色值及所述染色标准值进行不合格原因分析，得到不合格原因数据之后，还包括：获取改进建议列表；根据所述不合格原因数据从所述改进建议列表获取改进建议，得到实验室改进建议列表。
[0161] 在一个实施例中，本发明还提出了一种计算机设备，包括至少一个存储器、至少一个处理器，所述存储器存储有计算机指令程序，所述计算机指令程序被所述处理器执行时，使得所述处理器执行实现如下方法步骤：
[0162] 将染色的病理切片进行数字化扫描，得到待分析医学图像；
[0163] 对所述待分析医学图像进行特征识别，得到多个染色颜色值；
[0164] 获取染色标准值，根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量。
[0165] 本实施例的方法步骤将染色的病理切片进行数字化扫描，得到待分析医学图像，通过人工智能对数字化的待分析医学图像进行分析，避免了病理医生或者病理技术人员的主观性评价，确保了质量评价的一致性；对待分析医学图像进行特征识别，得到多个染色颜色值，获取染色标准值，根据多个染色颜色值和染色标准值确定与待分析医学图像对应的病理切片的染色质量，识别出染色颜色值的方法相同，采用多个染色颜色值与染色标准值来进行评价，评价参数统一，评价标准统一，采用人工智能，从而适合同一实验室内的病理切片染色质量评价，也适合不同实验室间的病理切片染色质量评价。
[0166] 在一个实施例中，所述待分析医学图像进行特征识别，得到多个染色颜色值，包括：根据所述待分析医学图像进行细胞结构特征识别，得到细胞核图像、细胞浆图像；根据所述细胞核图像、所述细胞浆图像分别进行颜色值计算，得到多个染色颜色值，多个所述染色颜色值包括细胞核阴性染色颜色值、细胞浆阴性染色颜色值、细胞核阳性染色颜色值和/或细胞浆阳性染色颜色值。
[0167] 在一个实施例中，所述根据所述待分析医学图像进行细胞结构特征识别，得到细胞核图像、细胞浆图像，包括：根据所述待分析医学图像采用细胞核分割算法分割出细胞核，得到细胞核图像；根据所述待分析医学图像采用细胞浆分割算法分割出细胞浆，得到细胞浆图像。
[0168] 在一个实施例中，所述根据所述细胞核图像、所述细胞浆图像分别进行颜色值计算，得到多个染色颜色值，多个所述染色颜色值包括细胞核阴性染色颜色值、细胞浆阴性染色颜色值、细胞核阳性染色颜色值和/或细胞浆阳性染色颜色值，包括：根据所述细胞核图像的颜色值进行分类，得到细胞核阴性染色图像、细胞核阳性染色图像；根据所述细胞浆图像的颜色值进行分类，得到细胞浆阴性染色图像、细胞浆阳性染色图像；根据所述细胞核阴性染色图像、所述细胞核阳性染色图像、所述细胞浆阴性染色图像、所述细胞浆阳性染色图像分别进行颜色值计算，得到细胞核阴性染色颜色值、细胞浆阴性染色颜色值、细胞核阳性染色颜色值、细胞浆阳性染色颜色值。
[0169] 在一个实施例中，所述染色标准值包括：细胞核阴性染色标准值、细胞浆阴性染色标准值、细胞核阳性染色标准值、细胞浆阳性染色标准值。
[0170] 在一个实施例中，所述根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量，包括：将所述染色颜色值、与所述染色颜色值对应的染色标准值进行评分，得到染色颜色值评分；根据所有所述染色颜色值评分进行综合评分，得到病理切片染色综合评分；获取染色综合评分标准值，根据所述染色综合评分标准值、所述病理切片染色综合评分进行比较确定与所述待分析医学图像对应的病理切片的染色质量。
[0171] 在一个实施例中，所述将所述染色颜色值、与所述染色颜色值对应的染色标准值进行评分，得到染色颜色值评分，包括：计算所述染色颜色值、与所述染色颜色值对应的染色标准值之前的差值，得到染色颜色差值；根据所述染色颜色差值进行评分，得到染色颜色值评分。
[0172] 在一个实施例中，所述染色颜色值包括三个通道的通道数值，所述染色标准值包括三个通道的通道标准值；所述计算所述染色颜色值、与所述染色颜色值对应的染色标准值之前的差值，得到染色颜色差值，包括：分别计算每个通道的通道数值与通道数值对应的通道标准值之间的通道差值；根据通道差值进行绝对值计算，得到通道颜色差值；根据三个所述通道颜色差值进行加权求和计算，得到染色颜色差值。
[0173] 在一个实施例中，所述根据所述染色颜色差值进行评分，得到染色颜色值评分，包括：将所述染色颜色差值除以预设数值得到染色颜色值评分。
[0174] 在一个实施例中，所述将染色的病理切片进行数字化扫描，得到待分析医学图像，包括：将染色的病理切片进行数字化扫描，得到初始医学图像；将所述初始医学图像进行二值化处理，得到二值化医学图像；从所述二值化医学图像获取数值最低的颜色值，得到二值化最低颜色值；根据所述二值化最低颜色值确定与所述二值化最低颜色值对应的初始医学图像的最低颜色值；根据与所述二值化最低颜色值对应的初始医学图像的最低颜色值对所述初始医学图像进行修正处理，得到所述待分析医学图像。
[0175] 在一个实施例中，所述根据与所述二值化最低颜色值对应的初始医学图像的最低颜色值对所述初始医学图像进行修正处理，得到所述待分析医学图像，包括：
[0176] 根据白色的颜色值、与所述二值化最低颜色值对应的初始医学图像的最低颜色值进行计算修正颜色值；根据所述初始医学图像、所述修正颜色值得到所述待分析医学图像。
[0177] 在一个实施例中，在所述根据多个所述染色颜色值和所述染色标准值确定与所述待分析医学图像对应的病理切片的染色质量之后，还包括：获取测评信息表，所述测评信息表包括与染色的病理切片对应的实验室标识、染色员标识、染色过程数据；将所述测评信息表、所述待分析医学图像、多个所述染色颜色值、所述染色标准值、与所述待分析医学图像对应的病理切片的染色质量更新到病理切片染色数据库。
[0178] 在一个实施例中，所述方法还包括：获取所述实验室标识；根据所述实验室标识从病理切片染色数据库中获取病理切片的染色质量不合格对应的所述测评信息表、所述待分析医学图像、多个所述染色颜色值及所述染色标准值；根据所述测评信息表、所述待分析医学图像、多个所述染色颜色值及所述染色标准值进行不合格原因分析，得到不合格原因数据。
[0179] 在一个实施例中，在所述根据所述测评信息表、所述待分析医学图像、多个所述染色颜色值及所述染色标准值进行不合格原因分析，得到不合格原因数据之后，还包括：获取改进建议列表；根据所述不合格原因数据从所述改进建议列表获取改进建议，得到实验室改进建议列表。
[0180] 需要说明的是，上述一种病理切片染色质量评价方法、一种病理切片染色质量评价装置、存储介质及计算机设备属于一个总的发明构思，一种病理切片染色质量评价方法、一种病理切片染色质量评价装置、存储介质及计算机设备实施例中的内容可相互适用。
[0181] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 印刷条码标签以及印刷系统 | 2020-05-08 | 438 |
| 包括鞣花酸化合物的组合物 | 2020-05-08 | 974 |
| 一种透射电镜载网样品盒 | 2020-05-08 | 242 |
| 图像处理方法、装置及计算机可读存储介质 | 2020-05-08 | 680 |
| 利用比色表进行尿液检查的计算机程序以及终端 | 2020-05-08 | 1056 |
| 一种3D渐变色手机后盖成型工艺及手机后盖 | 2020-05-08 | 335 |
| 一种面向三色视觉的图像融合颜色增强方法 | 2020-05-08 | 985 |
| 一种病理切片染色质量评价方法、装置、设备及存储介质 | 2020-05-08 | 864 |
| 金属按键的加工排版结构及金属按键的加工方法 | 2020-05-08 | 511 |
| 一种基于双模型的自适应融合的目标跟踪方法 | 2020-05-11 | 792 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈