病理组织图像染色标准化
文章目录
- 一、vahadane方法
- 二、使用步骤
- 1.引用已经封装好的函数
- 2.方法的接口函数
- 3.数据输入
- 4.函数功能实现
- 5.结果
- 总结
一、vahadane方法
这个是比较推荐的方法,源码文末有。这个方法是用非负矩阵分解得到两个染料矩阵,然后将reference和source的进行配准,然后再合成新的图像。这个方法比较稳定,得到的图像颜色比较真实。实际的标化速度也可以接受。
二、使用步骤
1.引用已经封装好的函数
代码如下(示例):
import numpy as np
import cv2
import matplotlib.pyplot as plt
from macenko import MacenkoNormalizer
from vahadane import VahadaneNormalizer
2.方法的接口函数
在这里我们主要使用vahadane方法,其他方法大家可以自行尝试。
代码如下(示例):
def standard_transfrom(standard_img,method = 'M'):if method == 'V':stain_method = VahadaneNormalizer()stain_method.fit(standard_img)else:stain_method = MacenkoNormalizer()stain_method.fit(standard_img)return stain_method
这里根据自己结果比较和其他博主推荐,综合来看比较推荐V方法。
3.数据输入
def read_image(path):img = cv2.imread(path)img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # opencv default color space is BGR, change it to RGBp = np.percentile(img, 90)img = np.clip(img * 255.0 / p, 0, 255).astype(np.uint8)return img
这个大家可以自己写一下,我是为了方便,因为输入的染色模板图像是np类型的,所以我就写了一个这种返回的img就是np类型的,仅供参考。
4.函数功能实现
path='sttd_path'sttd=read_image(path)# plt.imshow(sttd)# plt.show()pathstain_method = standard_transfrom(sttd, method='M')img=cv2.imread('input_path')img2 = stain_method.transform(img)
sttd就是你想设定的染色模板图像。
5.结果
总结
提示:本文章参考于此处。
完整代码已上传网盘,下载即用:
链接:网盘
提取码:16ew
病理组织图像染色标准化相关推荐
- 使用大规模数据注释和深度学习对具有人类水平性能的组织图像进行全细胞分割
使用大规模数据注释和深度学习对具有人类水平性能的组织图像进行全细胞分割 摘要 绪论 Mesmer 2.1Mesmer是一种用于精确全细胞分割的深度学习算法 2.2Mesmer实现了人类级的分割性能 2 ...
- 多功能时钟电路的设计框图_一种病理组织漂片多功能一体机的设计
原标题:一种病理组织漂片多功能一体机的设计 本文引用地址: 引言 病理组织漂片和烤片是病理组织制片中非常重要的制片环节,病理组织的漂片和烤片的质量会直接影响后续染色的质量,其中病理组织漂片的水温和烤片 ...
- 基于飞桨 DeepLabV3+实现人体肾组织图像中肾小球识别
基于飞桨 DeepLabV3+实现人体肾组织图像中肾小球识别 一.项目背景 估计显示,地球上有超过70亿人,银河系中有3000亿颗恒星.相比之下,成年人体内含有37万亿个细胞.确定这些细胞之间的功能和 ...
- Kaggle新赛 | HuBMAP: 识别人体肾脏组织图像中的肾小球~总奖金 6 万美金
●赛题介绍● 近日Kaggle新上了一个比赛:HuBMAP: Hacking the Kidney ,(入侵肾脏),是人类生物分子图谱计划HuBMAP的一部分,希望以单细胞分辨率绘制人类肾脏图谱开始. ...
- 图像数据标准化与归一化
链接: 1.标准化和归一化,请勿混为一谈,透彻理解数据变换 https://blog.csdn.net/weixin_36604953/article/details/102652160 2.深度学习 ...
- 2020-12-05 论文阅读
Predicting survival from colorectal cancer histology slides using deep learning: A retrospective mul ...
- 腾讯8篇AI医疗论文入选国际学术顶会,涵盖癌症图像分类、CT病灶检测等领域...
允中 发自 凹非寺 量子位 报道 | 公众号 QbitAI 国际顶级人工智能医学影像学术会议MICCAI 2019会期临近,论文录用结果陆续揭晓,腾讯共计入选8篇论文,涵盖病理癌症图像分类.医学影像分 ...
- 【李佳辉_周报_2022.10.2】
文章目录 1. 本周学习主要内容 1.1 深度学习方面 1.2 信号处理与Matlab实现 1.3 机器学习基础的回顾 2. 下周学习内容 3. 本周重点知识 3.1 Kaggle医学影响图像识别案例 ...
- nature 计算机科学,Nature Communications |西电计算机科学与技术学院刘西洋教授团队在计算病理学领域取得新进展...
(通讯员 王晓东)我校计算机科学与技术学院软件工程研究所刘西洋教授团队,在学院"软件工程"学科建设支持下,与上海龙华医院于观贞教授.长海医院陈颖教授等团队合作,开展了胃癌淋巴结转移 ...
最新文章
- mof提权原理及其过程
- MySQL 的存储引擎
- 联想小新电脑dns服务器未响应,Lenovo Quick Fix 联想智能解决工具
- socket第三方库 AsyncSocket(GCDAsyncSocket)
- linux 的 df命令:显示磁盘分区上的可用空间
- 类与对象初识 类是模具 对象是产品 0314 2101
- 如何检测被锁住的Oracle存储过程及处理办法汇总(转)
- 十分钟快速了解《你不知道的 JavaScript》(上卷)
- SIMD与NEON概念理解
- 为底层元素注册监听器
- webmagic之爬取数据存入HDFS
- android蓝牙5.0扫描失败,bluetooth-lowenergy – BLE扫描的解决方案SCAN_FAILED_APPLICATION_REGISTRATION_FAILED?...
- PMP学习笔记 第12章 项目采购管理
- PyTorch搭建ShuffleNet
- Excel表格添加下拉多选
- 面试题目之:为什么选择veu?与其他框架对比的优势和劣势?
- 七阶拉丁方阵_关于拉丁方阵教学的思考
- html 中 超链接的写法,网页超链接样式的CSS写法
- Debian自动化安装
- 计算机对康复治疗学的帮助,我院康复医学科引进认知训练配合计算机心理失语症脑功能评估训练系统...