📚 课程目录第3章 WSI预处理与组织区域检测

3. WSI预处理与组织区域检测

一张全切片图像（WSI）在40倍扫描下往往包含数万×数万像素，其中真正含有诊断信息的组织区域通常只占整张切片的30%～70%，其余是白色玻璃背景、载玻片边缘、标签、笔迹和气泡。如果直接对整张WSI做分块推理，不仅浪费大量算力，还会让背景块干扰后续的染色归一化统计和肿瘤比例计算。因此，组织区域检测（Tissue Detection）是WSI分析流水线的第一个关键环节：它输出一张与原图同尺寸的二值掩膜（Tissue Mask），标记哪些像素属于有效组织。

一、为什么不能只靠“非白即组织”

最朴素的想法是：像素接近白色就判为背景。但实际切片中，组织边缘存在渐变过渡，气泡、折叠、刀痕会造成局部高亮，而某些淡染组织（如脂肪、黏液）本身也接近浅色。单纯按亮度阈值会同时产生两类错误：把淡染组织误删（漏检），或把气泡、标签误留（误检）。因此工程上通常采用“降采样粗筛 + 阈值分割 + 形态学清理 + 可选深度学习精修”的多级策略。

二、降采样与颜色空间选择

直接在原分辨率上做阈值运算代价过高。常规做法是先读取WSI的缩略图（thumbnail），例如把最长边缩放到 1000～2000 像素。以 OpenSlide 为例：

import openslide
import numpy as np
import cv2

slide = openslide.OpenSlide("case_001.svs")
thumb = slide.get_thumbnail((1024, 1024))   # 最长边约1024
rgb = np.array(thumb.convert("RGB"))

颜色空间上，RGB三通道相关性高，直接阈值不稳定。更常用的是转换到 HSV 或 Lab：HSV中的 S（饱和度）通道对“有色组织 vs 无色背景”区分度好；Lab中的 b 通道对蓝紫色染色（苏木素）敏感。实践中常把 RGB 转灰度后再做 Otsu，或对 S 通道做 Otsu，二者可结合。

三、Otsu阈值与形态学操作

Otsu 方法通过最大化类间方差自动寻找阈值，把灰度直方图分成前景/背景两类。对组织检测而言，它比固定阈值（如 220）更适应不同扫描仪的亮度差异。示例：

gray = cv2.cvtColor(rgb, cv2.COLOR_RGB2GRAY)
# 轻微高斯模糊，抑制噪点
blur = cv2.GaussianBlur(gray, (5, 5), 0)
_, mask = cv2.threshold(blur, 0, 255,
                        cv2.THRESH_BINARY + cv2.THRESH_OTSU)
# 注意：Otsu后组织通常为暗，需确认前景方向
if mask.mean() > 127:      # 若白色占多数，说明前景反了
    mask = cv2.bitwise_not(mask)

阈值结果往往带有孔洞、毛刺和孤立小斑。形态学操作按“先开后闭”或“先闭后开”组合：

开运算（先腐蚀后膨胀）：去除小噪点和细毛刺，适合清理背景中的孤立亮点。
闭运算（先膨胀后腐蚀）：填补组织内部小孔洞，连接断裂区域。
核大小：在1024缩略图上，常用 5×5 到 15×15 的椭圆核；核过大将吞掉细小组织。

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9, 9))
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN,  kernel)
mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)

随后用连通域分析剔除面积过小的碎片，并保留最大连通域或面积超过阈值（如缩略图总面积的0.5%）的区域：

num, labels, stats, _ = cv2.connectedComponentsWithStats(mask, 8)
clean = np.zeros_like(mask)
for i in range(1, num):
    if stats[i, cv2.CC_STAT_AREA] >= 0.005 * mask.size:
        clean[labels == i] = 255

四、基于深度学习的组织分割

当切片存在大量脂肪、黏液、出血或强染色伪影时，Otsu+形态学容易失效。此时可用轻量语义分割网络（如 U-Net、DeepLabV3+、SegFormer）在缩略图或低倍图上做二分类（组织/背景）。训练数据可由人工勾画或由高质量阈值结果自动生成。推理时输入 512×512 的缩略图块，输出概率图，再以 0.5 为阈值二值化。相比传统方法，深度学习对淡染组织和复杂背景更鲁棒，但需要标注成本和推理时间，通常作为可选精修步骤。

五、实战：从WSI提取有效组织区域

下面给出一个可运行的完整流程，目标是从一张 SVS 切片中输出组织掩膜，并统计组织面积占比。步骤包括：读取缩略图、灰度化、Otsu、形态学、连通域过滤、面积统计。

import openslide, numpy as np, cv2

slide = openslide.OpenSlide("case_001.svs")
thumb = slide.get_thumbnail((1024, 1024))
rgb = np.array(thumb.convert("RGB"))
gray = cv2.cvtColor(rgb, cv2.COLOR_RGB2GRAY)
blur = cv2.GaussianBlur(gray, (5, 5), 0)

# Otsu
_, mask = cv2.threshold(blur, 0, 255,
                        cv2.THRESH_BINARY + cv2.THRESH_OTSU)
if mask.mean() > 127:
    mask = cv2.bitwise_not(mask)

# 形态学
k = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9, 9))
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN,  k)
mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, k)

# 连通域过滤
num, labels, stats, _ = cv2.connectedComponentsWithStats(mask, 8)
clean = np.zeros_like(mask)
for i in range(1, num):
    if stats[i, cv2.CC_STAT_AREA] >= 0.005 * mask.size:
        clean[labels == i] = 255

ratio = clean.sum() / 255 / clean.size
print(f"组织面积占比: {ratio:.2%}")

运行后若输出“组织面积占比: 42.7%”，说明该切片约四成区域为有效组织。若占比异常偏高（如>90%），通常意味着阈值把背景误判为组织，应检查前景方向或改用S通道；若异常偏低（如<10%），可能是组织淡染被漏检，可尝试降低阈值或引入深度学习精修。最终掩膜可保存为PNG，供后续分块时按块内组织像素比例决定是否推理。

实用建议：在批量处理时，可先对每张切片计算组织占比，把占比低于5%的切片标记为“几乎无组织”，避免无效推理；同时把掩膜与原图缩略图叠加保存，便于人工快速复核。

注意：Otsu阈值是在缩略图上计算的，映射回原分辨率时需按缩放比例放大掩膜，或直接在原分辨率上按块采样判断。若切片存在多个不连续组织块，不要只保留最大连通域，否则会丢失有效区域。

至此，WSI预处理的第一步——组织区域检测已完成。得到的二值掩膜将作为后续分块、染色归一化和特征提取的空间约束，直接决定整个分析流水线的效率与准确性。