一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别方法和系统技术方案

本发明专利技术涉及一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别系统，包括：第一模块，将切片图像的背景区域去除，提取出组织区域作为感兴趣区；第二模块，将切片图像裁剪为小块图像；小块图像输入到深度神经网络，深度神经网络包括第一单元、第二单元、第三单元、第四单元和第五单元；第一单元用于计算每个小块图像的肿瘤概率评分；第二单元根据多个小块图像的肿瘤概率评分，合成整个组织切片图像的肿瘤热力图；第三单元将肿瘤热力图二值化，生成一个黑白的mask图；第四单元使用中值滤波去除假阳性点；第五单元计算整个mask图中阳性点的数量。本发明专利技术的系统可以对胃癌转移淋巴结的切片图像进行自动识别，能够提高组织病理学中诊断过程的效率。

【技术实现步骤摘要】
一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别方法和系统
本专利技术涉及深度神经网络领域，特别涉及一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别方法，还涉及一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别系统，还涉及一种电子设备，还涉及一种计算机可读存储介质。
技术介绍
胃癌是全球常见的恶性肿瘤之一，预后差，严重威胁人类健康。根据GLOBOCAN的最新统计数据，2018年全球胃癌新发病例约103.3万例，死亡病例约78.3万例，分别位于恶性肿瘤发病率第5位、死亡率第2位。据我国最新癌症统计信息，每年胃癌新发病例约为67.9万例，死亡病例约为49.8万例，发病人数和死亡人数均居所有恶性肿瘤第2位。在胃癌中，淋巴结转移被认为是重要的预后因素，根据第8版美国的癌症联合委员会(AmericanJointCommitteeonCancer，AJCC)，术后病理TNM系统中N分期由转移淋巴结的数量决定，基于孤立的肿瘤细胞或肿瘤细胞簇的直径，淋巴结转移瘤可分为三类：直径<0.2mm，定义为ITCs(孤立肿瘤细胞)，直径为本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别方法，其特征在于，包括以下步骤：/n步骤(a)，构建深度神经网络；/n步骤(b)，将切片图像的背景区域去除，提取出组织区域作为感兴趣区；/n步骤(c)，将切片图像裁剪为小块图像；/n步骤(d)，将小块图像输入深度神经网络，计算每个小块图像的肿瘤概率评分；/n步骤(e)，根据多个小块图像的肿瘤概率评分，合成整个组织切片图像的肿瘤热力图；/n步骤(f)，将肿瘤热力图二值化，生成一个黑白的mask图，然后使用中值滤波去除假阳性点，最后计算整个mask图中阳性点的数量，大于预设阈值判定为肿瘤切片，小于预设阈值判定为正常切片。/n

【技术特征摘要】
20190415 CN 20191029829621.一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别方法，其特征在于，包括以下步骤：
步骤(a)，构建深度神经网络；
步骤(b)，将切片图像的背景区域去除，提取出组织区域作为感兴趣区；
步骤(c)，将切片图像裁剪为小块图像；
步骤(d)，将小块图像输入深度神经网络，计算每个小块图像的肿瘤概率评分；
步骤(e)，根据多个小块图像的肿瘤概率评分，合成整个组织切片图像的肿瘤热力图；
步骤(f)，将肿瘤热力图二值化，生成一个黑白的mask图，然后使用中值滤波去除假阳性点，最后计算整个mask图中阳性点的数量，大于预设阈值判定为肿瘤切片，小于预设阈值判定为正常切片。


2.如权利要求1所述的一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别方法，其特征在于，还包括：采用染色均一化来均衡不同切片图像之间的染色差异。


3.如权利要求2所述的一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别方法，其特征在于，所述采用染色均一化来均衡不同切片图像之间的染色差异的步骤，包括：给定一个目标图像，计算得出该目标图像的染色矩阵S和像素浓度矩阵C，然后将待变换图像的染色矩阵替换为目标图像的染色矩阵。


4.如权利要求3所述的一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别方法，其特征在于，使用如下S矩阵来表示切片图像的染色矩阵：



对于一张RGB图像，首先，将其转换为一张光密度RGB图像，计算该光密度RGB图像的OD矩阵；
然后，计算染色矩阵S；
接下来，所述OD矩阵与所述S矩阵有如下的关系：
ODflat＝C×S
其中，C是像素浓度矩阵，通过求解得到像素浓度矩阵C。


5.一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别系统，其特征在于，包括：
第一模块，将切片图像的背景区域去除，提取出组织区域作为感兴...

【专利技术属性】
技术研发人员：刘尚龙，卢云，李帅，
申请(专利权)人：青岛大学，
类型：发明
国别省市：山东;37