用希尔伯特曲线表示全切片癌症图像特征

感兴趣区域（ROI）中包含的病理学全切片图像（WSI）形态学特征由多边形界定[1]。这些多边形通常以文本记号（带边数组）或二值掩码形式表示。文本记号具有人类可读性与可移植性的优势，而二值掩码表示作为采用深度学习方法的特徵提取流水线的输入输出更有用。对于任意给定的全切片图像，可分割出超过一百万个细胞特征，生成相应数量的多边形。所有已处理全切片图像的这些分割语料库，在为交互式实时与多尺度显示及分析筛选特定数据区域时带来了各种挑战。简单的图像位置范围查询无法扩展，因此需要空间索引方案。在本文中，我们提议同时使用希尔伯特曲线进行空间索引并作为多边形 ROI 表示。这是通过使用一系列希尔伯特曲线[2]创建高效且固有空间索引的机器可用形式来实现的。使希尔伯特曲线能够实现 ROI 掩码与多边形界定的独特性质在于：为描述形态学特征而提取的向量元素在不同尺度同一图像下保持其相对位置。