Sistema de aprendizaje automático basado en objetos de tejido para puntuación automatizada de portaobjetos digitales completos.

Un método, realizado mediante un sistema informático que comprende un procesador,

para la interpretación de un portaobjetos completo de imágenes digitalizadas de datos de tejido, comprendiendo el método:

recibir una pluralidad de imágenes digitalizadas de muestras de tejido, cada muestra de tejido correspondiendo a un portaobjetos de realidad sobre el terreno;

recibir, para cada una de la pluralidad de imágenes digitalizadas, al menos una clasificación asociada con la imagen digitalizada;

entrenar a un clasificador de objetos de tejido utilizando las imágenes digitalizadas recibidas de las muestras de tejido, en donde el entrenamiento comprende una detección de semilla, una extracción de objeto de núcleos;

computar características basadas al menos en parte en un contexto de imagen de portaobjetos completo;

recibir una imagen digitalizada de datos asociados con un primer portaobjetos, en donde el primer portaobjetos no es un portaobjetos de realidad sobre el terreno;

identificar de forma automática tejido dentro de la imagen digitalizada de datos asociados con el primer portaobjetos;

identificar o estimar colores de teñido dominantes dentro de todo el tejido identificado en el primer portaobjetos completo;

recibir una indicación de una pluralidad de regiones anotadas dentro del tejido identificado en el primer portaobjetos completo; y para cada una de la pluralidad de regiones anotadas,

detectar puntos de semilla de núcleos dentro de la región anotada,

extraer objetos de la región anotada basándose al menos en parte en los puntos de semilla de núcleos detectados y en los colores de teñido dominantes estimados en el primer portaobjetos completo,

para cada uno de los objetos extraídos,

computar características locales basándose al menos en parte en la región anotada en el contexto de portaobjetos completo,

computar características globales basándose al menos en parte en la región de imagen anotada y el contexto de portaobjetos completo, clasificando el objeto basándose al menos en parte en las características computadas y en el tejido entrenado-el clasificador de objeto,

en donde detectar los puntos de semilla de núcleos dentro de cada región anotada comprende:

generar un gradiente de imagen para la región anotada;

generar una matriz de respuesta de votación para la región anotada basándose al menos en parte en el gradiente de imagen generado;

identificar máximos locales dentro de la matriz de respuesta de votación generada; y

para cada máximo local identificado,

determinar si un máximo local excede un valor umbral,

en respuesta a determinar que el máximo local excede un valor umbral, identificar 1 píxel correspondiente como un punto de semilla, y

en respuesta a determinar que el máximo local no excede un valor umbral, identificar 1 píxel correspondiente no como un punto de semilla.