从整个幻灯片图像中提取补丁(WSI)

数字病理学是随着患者组织样本的数字化，特别是数字整张幻灯片图像(WSIS)的使用而出现的。全玻片成像(WSI)是指对常规玻片进行扫描以产生数字幻灯片，是世界范围内病理科采用的最新的成像方式。

由于WSI具有非常大的维度，因此以原始大小分析它们会产生两个问题：

为什么选择基于补丁的方法？

直接使用CNN进行WSI分类有几个缺点。首先，需要大量的图像下采样，这样可能会丢失大部分可区分的细节。其次，CNN可能只从图像中的多个区分模式中的一个模式中学习，从而导致数据效率低下。区分信息被编码在高分辨率图像块中。因此，一种解决方案是在高分辨率图像补丁上训练CNN，并基于补丁级别的预测来预测WSI的标签。

上图的形状为16000 X 18500，并以‘TIFF’格式存储，每个肾小球的注释也可以在‘xml’文件中找到，该文件具有肾小球的类型(正常或异常)及其坐标(作为多边形)。

我使用了OpenSlide库，它允许我们以不同的放大倍数阅读WSI。但是，由于库的依赖关系，它们在导入库时可能会遇到挑战。OpenSlide

import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv
import os
import openslide
import xml.etree.cElementTree as ET
import random
import os 
import glob

定义要读取WSI的放大级别。当mag_level=0时，这意味着您在没有任何下采样的情况下读取原始级别的WSI。

mag_level = 2               # here I am reading the WSI at level 2
factor = 2**mag_level       

WSI文件夹和批注文件夹的路径及其名称：

slidepath = "F:/Renal_Vasculitis/Data/WSI"  #path to folder of WSIs
annotpath = "F:/Renal_Vasculitis/Data/Annotations" 
slidename = "EE 833604 nr17clean.tiff"
annotname = "EE 833604 nr17clean.xml"

我们通过解析xml文件，读取标记下的坐标，并根据它们进行下采样的因子，获得“EE 833604 nr17lean”wsi中存在的每个肾小球的注释列表。

您可以通过以下方式获取WSI中存在的批注列表：

annolist = parse_xml(os.path.join(annotpath,annotname))

仅使用上面的注释列表提取补丁，该列表丢弃了WSI的背景和不重要部分：

第3-4行：使用OpenSlide读取WSI并获取作为年鉴的注释列表

第5-7行：对于每个肾小球，即Annolist[i]，将坐标作为坐标，并生成一个返回左上角(x和y)的边界框。我们将使用这个x和y来读取WSI中的部分。

第8-11行：此for循环通过随机偏移原始x和y，即spointx，spointy，为每个肾小球生成30个补丁。k的取值范围由用户根据需要决定，可以改变偏移量的取值范围，以获得同一肾小球的更多/更少的补丁。

第12行：在这里，我们乘以因子，得到WSI中的原始坐标，而不是按照级别。(因为年鉴中的坐标是根据高程，而不是原始的WSI坐标)

第13&14行：使用OpenSlide中接受输入的read_region函数：

i.左上角(spointx0，spointy0)

二、二、读取WSI的放大级别

三、三、面片大小(例如，256×256)

第13行：使用cv.imwrite存储图像

编码愉快！