基于深度学习的生物组织病理图像分析在海洋监测中的发展潜力及案例分析

生物组织病理指标可用于评价海洋生物健康,但在应用中存在效率低、成本高、主观性强等缺陷。将人工智能技术引入生物组织病理分析,可以发挥其高通量的图像分析优势,突破其在海洋生物健康评价和监测中的应用限制。该文通过对海洋生物组织健康评价指标、人工智能技术的图像分析应用以及利用人工智能开展组织病理图像处理的文献调研,提出基于深度学习的海洋动物组织病理图像分析思路,并以海洋贻贝作为模式生物进行技术开发。经过对贻贝鳃组织病理影像数据的训练、验证和预测等过程,确定Res-UNet深度学习模型可对贻贝在典型环境污染物胁迫下的病理损伤进行高效、准确定量,构建了一种能够自动化、高通量和弱主观性地分析海洋贻贝组织病理影像的工作流程,为海洋生物健康评价、海洋监测提供新思路与新技术。

基于不确定性机制的病理图像病变区域的语义分割方法

随着病理图像的数字化和计算机深度学习技术的发展,使用深度学习技术处理分析数字化病理图像对缩短诊断流程和提高临床效率有重大的实际意义。然而,数字化病理图像的分辨率极高,传统的深度学习网络和图像处理技术往往需要付出很高的硬件和时间成本。文章引入滑窗机制和多尺度信息处理高分辨率的数字化病理图像,同时将多尺度信息与不确定性机制相结合,极大地提高了处理效率,将平均处理时间降到1min以内。

复合阈值处理法在病理诊断中的应用

目的:探讨图像处理技术在病理诊断中的辅助支援。方法:本研究编写的病理切片图像处理系统,对显微镜倍数分别为4倍、10倍、20倍、40倍下拍摄的20例肝癌切片和20例正常肝组织切片进行处理。将系统的阈值分别设为-2、0、5、7、9,利用本研究提出的复合阈值法对图像依次进行处理,并对处理结果进行比较分析。结果:当显微镜放大倍率为40、阈值为7-12之间时,可以很清晰地观察到正常肝脏肝板间肝窦形态规则、分布均匀。而肝癌组织的肝窦数量明显减少,形态不规则且分布紊乱。根据病理诊断标准,能够准确给出是否发生病变的诊断结论。结论:计算机图像处理技术可以将完全依靠个人经验的病理诊断方法转变为量化指标,使诊断更具客观性和科学性,弥补了传统病理诊断方法的不足。