一种前列腺数字病理图像的快速Gleason评分系统技术方案

本发明专利技术提供了一种前列腺数字病理图像的快速Gleason评分系统，其特征在于，包括：数据预处理单元，用于对前列腺数字病理图像进行数据预处理；加载预训练权重的语义分割网络，用于根据数据预处理单元输出的patch切片输出五通道概率图；Gleason评分单元，对五通道概率图进行后处理后利用ISUP分级规则计算得到前列腺数字病理图像的Gleason评分。本发明专利技术使用深度神经网络的技术结合前列腺数字病理图像的特点，快速、自动分析预测Gleason评分，减少主观判断的错误，提供更准确的Gleason评分参考。

【技术实现步骤摘要】
一种前列腺数字病理图像的快速Gleason评分系统
本专利技术涉及前列腺癌和医学影像
，特别涉及一种前列腺数字病理图像的快速Gleason评分系统。
技术介绍
前列腺癌是男性致死率第二高的恶性肿瘤，前列腺癌虽然常见，但往往不具侵蚀性，因此医生很难确定癌症是否对患者构成足够大的风险，以至于必须进行治疗，例如通过手术切除前列腺或放疗。Gleason分级是帮助我们对前列腺癌患者进行风险评估的重要方法，其使用显微镜观察载玻片，并根据样本与正常前列腺之间的相似程度对癌细胞进行分级。虽然前列腺癌Gleason分级的临床意义已经得到广泛认可，但操作过程非常复杂，并且具有主观性。此外，接受过专业培训的病理学家还远远不足，无法满足全球的前列腺癌病理诊断需求，在发展中国家尤为突出。目前提出的指导原则也建议病理学家在最终诊断报告中写明不同Gleason分级下的肿瘤预后良好概率，这不仅加大了病理学家的工作量，还为其带来另一个主观挑战。目前深度学习的快速发展，通过利用基于深度学习模型来改进前列腺癌的诊断是一种有效的解决方法。r>
技术实现思路
...

【技术保护点】
1.一种前列腺数字病理图像的快速Gleason评分系统，其特征在于，包括：/n数据预处理单元，用于对前列腺数字病理图像进行数据预处理，从前列腺数字病理图像上切出与组织区域相对应的若干patch切片，并将patch切片染色标准化到模板染色空间；在对语义分割网络进行训练时，数据预处理单元还用于对染色标准化的patch切片数据进行数据增强；/n加载预训练权重的语义分割网络，用于根据数据预处理单元输出的patch切片输出五通道概率图，每个通道对应一个类别的概率图，类别为Gleason评分1至5分所对应的5个类别，其中，语义分割网络的训练过程包括以下步骤：/n步骤1、将用于训练的样本前列腺数字病理图像输...

【技术特征摘要】
1.一种前列腺数字病理图像的快速Gleason评分系统，其特征在于，包括：
数据预处理单元，用于对前列腺数字病理图像进行数据预处理，从前列腺数字病理图像上切出与组织区域相对应的若干patch切片，并将patch切片染色标准化到模板染色空间；在对语义分割网络进行训练时，数据预处理单元还用于对染色标准化的patch切片数据进行数据增强；
加载预训练权重的语义分割网络，用于根据数据预处理单元输出的patch切片输出五通道概率图，每个通道对应一个类别的概率图，类别为Gleason评分1至5分所对应的5个类别，其中，语义分割网络的训练过程包括以下步骤：
步骤1、将用于训练的样本前列腺数字病理图像输入数据预处理单元后，获得由数据增强后的patch切片数据组成的patch集合，patch集合中的patch切片数据按照包含像素的类别打标签，并且patch集合只保留像素为单一分类的patch切片数据，分类的类别为Gleason评分1至5分所对应的5个类别；
步骤2、利用步骤1得到的patch集合中的patch切片图像转换为小尺寸图像训练深度神经网络作为主干网络加全连接层的patch级分类模型；
步骤3、利用patch集合中的patch切片数据的像素级生成的掩码图作为标签、patch集合作为输入训练语义分割网络，语义分割网络结构的下采样部分为已训练的patch级分类模型的主干网络部分、上采样部分为具有跳跃链接的反卷积结构，将步骤2得到的训练后的patch级分类模型的主干网络部分的权重加载到语义分割网络的下采样部分中作为预训练权重，语义分割网络其他结构的参数均使用凯明初始化；
Gleason评分单元，对五通道概率图进行后处理后利用ISUP分级规则计算得到前列腺数字病理图像的Gleason评分。


2.如权利要求1所述的一种前列腺数字病理图像的快速Gleason评分系统，其特征在于，所述数据预处理单元采用数据平衡、随机旋转、翻转的方式对染色标准化的patch切片数据进行数据增强。

...

【专利技术属性】
技术研发人员：张敬谊，丁偕，王瑜，刘全祥，杨佐鹏，刘鸣，
申请(专利权)人：万达信息股份有限公司，上海复高计算机科技有限公司，
类型：发明
国别省市：上海;31