【技术实现步骤摘要】
一种胃癌PD-L1数字病理切片图像快速合并系统及方法
[0001]本专利技术涉及图像处理领域,具体涉及一种胃癌PD-L1数字病理切片图像快速合并系统及方法。
技术介绍
[0002]癌症作为全世界人类的最大致死原因,其增长速度日益加快,严重危害人类的生命健康,也是世界医学难题。美国癌症协会的年度统计数据报告显示,2015年,美国新增癌 症病例约166万人,死亡60万人;世界卫生组织的统计数据显示,2014年全球新增癌症病例 约1410万人,死亡人数达到820万人。世界卫生组织预计,由于全球人口的增长和人口老龄化,以及生活方式、饮食结构和环境变化等因素,到2025年,世界每年新增癌症病例数将达 到1930万人,每年死亡病例将超过1000万。
[0003]迄今为止,医生和科研人员只能使用常规的仪器和检查方式来检查癌症,如X射线检查、CT检查、磁共振MRI检查。检测效率低下,需要人工进行肉眼识别,耗时长,肉眼判断易出错,主观判断准确率低。
技术实现思路
[0004]有鉴于此,本专利技术的目的在于提供一种胃癌PD-L1数字病理切片图像快速合并系统及方法,实现胃癌PD-L1数字病理切片图像快速合并,获得最终HE染色图像和PD-L1检测图像的合并图像,有效提高图像合并效率。
[0005]为实现上述目的,本专利技术采用如下技术方案:一种胃癌PD-L1数字病理切片图像快速合并系统,包括依次连接的数字化扫描设备和数字病理切片图像快速合并装置;所述数字病理切片图像快速合并装置包括依次连接的胃癌数字病理切片数 ...
【技术保护点】
【技术特征摘要】
1.一种胃癌PD-L1数字病理切片图像快速合并系统,其特征在于,包括依次连接的数字化扫描设备和数字病理切片图像快速合并装置;所述数字病理切片图像快速合并装置包括依次连接的胃癌数字病理切片数据库、图像处理单元、配准单元、标注单元和图像合并单元;所述图像处理单元用于对获得的胃癌数字病理切片进行图像预处理,获取胃癌细胞组织区域的HE染色图像和PD-L1检测图像;所述配准单元用于基于深度学习网络对HE染色图像和PD-L1检测图像进行配准;所述标注单元用于将预处理后的HE染色图像进行胃癌区域标注,标注过程中区分胃癌细胞的分化程度;所述图像合并单元用于对PD-L1图像准确分析与HE图像胃癌细胞检测分割,并将胃癌细胞分割结果进行区域扩充后与PD-L1表达阳性区域对照整合,得到合并后的数字病理切片图像。2.一种胃癌PD-L1数字病理切片图像快速合并方法,其特征在于,包括以下步骤:步骤S1:通过数字化扫描设备,获取胃癌全数字病理切片图像;步骤S2:对获得的胃癌数字病理切片进行图像预处理,获取胃癌细胞组织区域的HE染色图像和PD-L1检测图像;步骤S3:基于深度学习网络对HE染色图像和PD-L1检测图像进行配准;步骤S4:将预处理后的HE染色图像进行胃癌区域标注,标注过程中区分胃癌细胞的分化程度;步骤S5:对PD-L1图像准确分析与HE图像胃癌细胞检测分割,并将胃癌细胞分割结果进行区域扩充后与PD-L1表达阳性区域对照整合,得到合并后的数字病理切片图像。3.根据权利要求2所述的一种胃癌PD-L1数字病理切片图像快速合并方法,其特征在于,所述图像预处理包括灰度化,几何变换,图像增强,消除图像中的无关信息,增强有关信息的可检测性。4.根据权利要求2所述的一种胃癌PD-L1数字病理切片图像快速合并方法,其特征在于,所述步骤S3具体为:步骤S31:以预处理后的胃癌细胞组织区域的HE染色图像和PD-L1检测图像为模板,提取数字图像的特征信息并组成特征空间;步骤S32:以多张组织区域图的互信息度量作为目标函数,从旋转角度、尺度变换、是否翻转三个维度搜索最优变换矩阵,使得胃癌细胞组织区域和变换后的图像互信息度量最大,得到粗配准结果;步骤S33:将粗配准图像特征空间的特征点相互对应,根据对应的特征点确定一种空间变换,同时通过优化相似性度量,收敛至最优解;步骤S34根据得到的最优解,采用数字图像处理的方法对PD-L1表达阳性区域进行准确分析,排除胃癌细胞分布存在的大量散点区域和胞浆阳性区域,得到疑似阳性胃癌细胞区域,完成配准。5.根据权利要求2所述的一种胃癌PD-L1数字病理切片图像快速合并方法,其特征在于,所述步骤S4具体为:将预处理后的HE染色图像分割成2048*2048...
【专利技术属性】
技术研发人员:童同,邓扬霖,兰俊林,黄毓秀,陈刚,张和军,吴志达,
申请(专利权)人:福建省肿瘤医院福建省肿瘤研究所,福建省癌症防治中心,
类型:发明
国别省市:
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。