【技术实现步骤摘要】
一种基于深度学习的多分辨率集成HER2判读方法
本专利技术涉及计算机图像识别技术，尤其涉及一种基于深度学习的多分辨率集成HER2判读方法。
技术介绍
在乳腺癌的日常诊断中,病理医师通常会进行HER2免疫组化切片的判读。即在显微镜下，对HER2切片进行分析，判读，并做出诊断报告，即根据病理指南对HER2进行分级，0/1+(阴性)，2+(可疑，不确定)，3+(阳性)。对于阳性患者，可建议接受曲妥珠单抗等药物进行治疗；对于可疑，不确定的患者，一般通过荧光原位杂交等技术进行进一步的确认。随着数字病理的发展，病理切片可以通过数字扫描仪，扫描成数字化切片。病理医师，可以通过特定的阅片软件，在计算机上进行HER2切片的分析和判读。但是不管是采用显微镜镜下阅片的方式，还是在计算机上进行数字切片的分析，HER2的判读都存在耗时，主观性强，病理医师不同时刻判读结果有差异，病理医师之间结论有差异等问题。这种差异，将直接影响患者的后续治疗。因此，一种客观的，可重复性，高准确率的辅助诊断系统亟待开发。目前存在的相似的实现方法，存在对于不同时期...
【技术保护点】
1.一种基于深度学习的多分辨率集成HER2判读方法，其特征在于，包括以下步骤：/n步骤s1：输入一张全数字化HER2病理切片图像WSI，提取1x倍率下的有效组织区域；/n步骤s2：将所提取的1x倍率下的有效组织区域，映射到10x倍率和5x倍率下，分别提取对应倍率下的组织图像，并将10x倍率下和5x倍率下的组织图像分别无重叠裁剪成尺寸大小为256*256和128*128的patch；/n步骤s3：由专业病理医师对完成剪裁的patch进行分类标注，分类分别为0/1+、2+、3+和Abnormal，再利用尺寸大小分别为256*256和128*128的patch来训练二分类GAN网...
【技术特征摘要】 【专利技术属性】
1.一种基于深度学习的多分辨率集成HER2判读方法，其特征在于，包括以下步骤：
步骤s1：输入一张全数字化HER2病理切片图像WSI，提取1x倍率下的有效组织区域；
步骤s2：将所提取的1x倍率下的有效组织区域，映射到10x倍率和5x倍率下，分别提取对应倍率下的组织图像，并将10x倍率下和5x倍率下的组织图像分别无重叠裁剪成尺寸大小为256*256和128*128的patch；
步骤s3：由专业病理医师对完成剪裁的patch进行分类标注，分类分别为0/1+、2+、3+和Abnormal，再利用尺寸大小分别为256*256和128*128的patch来训练二分类GAN网络，区分出patch所表示类别是Normal或者是Abnormal，然后利用类别是Normal的patch来训练两个所输入patch的尺寸大小分别为256*256和128*128的三分类GAN网络；
步骤s4：将完成剪裁的patch输入完成训练的二分类GAN网络，输出patch的Normal类别和Abnormal类别，将Normal类别的输出与两个三分类GAN网络的其中一个的输出结果进行逻辑与操作，得到在10x倍率下和5x倍率下确定类别为Normal的每个patch的对应分类类别，即0/1+、2+或者3+；
步骤s5：采用同异性投票机制作为集成规则对两个三分类GAN网络的输出结果进行投票，得出投票结果；
步骤s6：对投票结果进行计数，完成WSI类别的最终确定。
2.根据权利要求1所述的，其特征在于：在步骤s1中，提取1x倍率下的有效组织区域即为分割得到切片中的有效组织区域、阳性对照以及阴性对照。
3.根据权利要求1所述的，其特征在于，所述步骤s5包括以下步骤：
步骤s501：排除非正常结果Abnormal；
步骤s502：根据同异性对剩余的结果进行投票，得出投票结果。
技术研发人员：向旭辉，杨一明，雷雪梅，袁勇，蔡小玲，郑众喜，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。