特殊染色切片颜色识别（机器学习）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

在生物科研和病理领域有一类特殊染色切片，大概就是用特殊的颜色染病变或者非病变的组织。我们自研的生物AI软件也包括这类软件的分析。这个分析的基础需要识别颜色，所以开发了一个颜色分类算法。
目前我们已经开发的特殊染色的颜色分类算法主要针对三种染色切片：油红染色、masson及天狼猩红白光，油红染色如下图所示，这里只选了两张情况不同的，实际应用中来自各地医院高校的数据差异性更大。

masson染色如下所示：

天狼猩红白光如下图所示：

一、思路说明

虽然数据的差异性比较大，但是共性也很明显，比如油红染色，阳性的区域红色通道比较重，阴性区域偏蓝，空白区域有些很白有些暗白但都是白色。所以我们选择采用逻辑回归做三分类。训练的数据我们通过ImageJ打点获得，把像素以及人为的分类结果存为txt，如下图所示：


0为阴性，1为阳性，2为空白。

二、结果展示

制作完打点数据标签之后训练逻辑回归模型，我们已经落地的几种特殊染色（油红、masson、天狼猩红白光）的模型如下：

我们的模型结果如下：
油红:

masson:

天狼猩红白光结果：

总结

本文介绍了基于机器学习的颜色识别在病理切片（特殊染色）上的应用，主要在于思路所以就不贴代码了。