本申请提出一种三级淋巴结构的识别方法、装置及设备，其中，该三级淋巴结构的识别方法包括：获取待识别图像；基于三级淋巴结构检测模型对待识别图像进行目标检测，得到待识别图像中预选三级淋巴结构的检测框、检测概率和检测类别；三级淋巴结构检测模型为基于多个样本图像训练大规模卷积神经网络得到，样本图像中包含成熟三级淋巴结构的图像及非成熟三级淋巴结构的图像，检测框、检测概率和检测类别之间具有对应关系；基于检测框、检测概率和检测类别，从预选三级淋巴结构中确定出成熟三级淋巴结构及非成熟三级淋巴结构，得到待识别图像的识别结果。本申请实施例可以提高三级淋巴结构的识别效率和准确性。构的识别效率和准确性。构的识别效率和准确性。
【技术实现步骤摘要】
三级淋巴结构的识别方法、装置及设备
[0001]本申请涉及一种图像处理
，尤其涉及一种三级淋巴结构的识别方法、装置及设备。
技术介绍
[0002]恶性肿瘤是一个威胁全球人类健康的公共问题，除血液系统肿瘤之外，实体瘤占了恶性肿瘤的绝大部分。手术是目前治疗实体瘤的重要手段，利用手术过程中获得的肿瘤组织可进行准确的病理诊断及分期，其具体方法为将手术切除的肿瘤组织制作成病理切片，病理医生通过光学显微镜观察组织结构的变异程度、细胞核的不典型性、细胞核有丝分裂象、细胞密度及细胞对周围组织结构的侵袭状态等判断该组织学变化是否为癌症、癌症的分类及组织学分级，从而实现恶性肿瘤的病理分期，以便进行术后预后预测。这种传统的依赖于组织学改变的人工评价，难免存在主观性强、可重复性差等问题。
[0003]近年研究发现，实体瘤原发灶中的免疫细胞（主要为B淋巴细胞和T淋巴细胞）聚集可形成三级淋巴结构，三级淋巴结构在实体瘤的发生和发展过程中发挥着重要作用，因而可通过观察三级淋巴结构来进行术后预后预测及免疫治疗疗效预测。但是，由于三级淋巴结构仍依靠病理医生肉眼观察其特定的结构图案来进行人工识别。为了确保识别的准确性，还需要多个医生对识别结果进行交叉验证。在面对海量病理图像时，一方面，人工识别方式无法短时间内完成大量病理图像的识别，其识别效率低；另一方面，人工识别方式容易受人体疲劳度及医疗资源等多种因素干扰，使得人工识别出现错漏，降低了识别的准确性。
技术实现思路
[0004]本申请实施例提供一种三级淋巴结构的识别方法、装置及设备，以解决相关技术存在的问题，技术方案如下：第一方面，本申请实施例提供了一种三级淋巴结构的识别方法，包括：获取待识别图像；基于三级淋巴结构检测模型对待识别图像进行目标检测，得到待识别图像中预选三级淋巴结构的检测框、检测概率和检测类别；三级淋巴结构检测模型为基于多个样本图像训练大规模卷积神经网络得到，样本图像中包含成熟三级淋巴结构的图像及非成熟三级淋巴结构的图像，检测框、检测概率和检测类别之间具有对应关系；基于检测框、检测概率和检测类别，从预选三级淋巴结构中确定出成熟三级淋巴结构及非成熟三级淋巴结构，得到待识别图像的识别结果。
[0005]在一种实施方式中，基于检测框、检测概率及检测类别，从预选三级淋巴结构中确定出成熟三级淋巴结构及非成熟三级淋巴结构，包括：在检测概率大于或等于概率阈值且检测类别为成熟三级淋巴结构的情况下，确定对应的检测框所框选的预选三级淋巴结构为成熟三级淋巴结构；在检测概率大于或等于概率阈值且检测类别为非成熟三级淋巴结构的情况下，确
定对应的检测框所框选的预选三级淋巴结构为非成熟三级淋巴结构。
[0006]第二方面，本申请实施例提供了一种病例三级淋巴结构的识别方法，包括：按照预设的放大倍数分别对病例的多个病理切片进行扫描，得到多个病理图像，多个病理图像与多个病理切片一一对应；确定各病理图像的肿瘤区域及癌旁区域；将各病理图像的肿瘤区域划分成多个第一图块；以及，将各病理图像的癌旁区域划分成多个第二图块，第一图块和第二图块的尺寸相同；基于上述任一种实施方式的三级淋巴结构的识别方法，分别对各病理图像的各第一图块及各第二图块进行识别，得到各第一图块的识别结果及各第二图块的识别结果；基于各病理图像中各第一图块的识别结果，确定肿瘤区域内三级淋巴结构的识别结果；以及，基于各病理图像中各第二图块的识别结果，确定癌旁区域内三级淋巴结构的识别结果。
[0007]在一种实施方式中，该病例三级淋巴结构的识别方法还包括：对各病理图像的肿瘤区域内三级淋巴结构的识别结果进行定量分析，得到病例的第一定量分析结果；对各病理图像的癌旁区域内三级淋巴结构的识别结果进行定量分析，得到病例的第二定量分析结果。
[0008]在一种实施方式中，该病例三级淋巴结构的识别方法还包括：基于各病理图像中各第一图块的识别结果及各第二图块的识别结果，确定病例的定性分析结果。
[0009]在一种实施方式中，该病例三级淋巴结构的识别方法还包括如下至少之一：基于各病理图像的肿瘤区域内三级淋巴结构的识别结果、癌旁区域内三级淋巴结构的识别结果、病例的实体瘤类型与预设的预后效果之间的第一对应关系，确定出对应的预后效果；基于第一定量分析结果和/或第二定量分析结果、病例的实体瘤类型与预设的预后效果之间的第二对应关系，确定出对应的预后效果。
[0010]第三方面，本申请实施例提供了一种三级淋巴结构的识别装置，包括：获取模块，用于获取待识别图像；检测模块，用于基于三级淋巴结构检测模型对待识别图像进行目标检测，得到待识别图像中预选三级淋巴结构的检测框、检测概率和检测类别；三级淋巴结构检测模型为基于多个样本图像训练大规模卷积神经网络得到，样本图像中包含成熟三级淋巴结构的图像及非成熟三级淋巴结构的图像，检测框、检测概率和检测类别之间具有对应关系；确定模块，用于基于检测框、检测概率和检测类别，从预选三级淋巴结构中确定出成熟三级淋巴结构及非成熟三级淋巴结构，得到待识别图像的识别结果。
[0011]第四方面，本申请实施例提供了一种病例三级淋巴结构的识别装置，包括：扫描模块，用于按照预设的放大倍数分别对病例的多个病理切片进行扫描，得到多个病理图像，多个病理图像与多个病理切片一一对应；第一确定模块，用于确定各病理图像的肿瘤区域及癌旁区域；划分模块，用于将各病理图像的肿瘤区域划分成多个第一图块；以及，将各病理图
像的癌旁区域划分成多个第二图块，第一图块和第二图块的尺寸相同；识别模块，用于基于上述任一种实施方式的三级淋巴结构的识别方法，分别对各病理图像的各第一图块及各第二图块进行识别，得到各第一图块的识别结果及各第二图块的识别结果；第二确定模块，用于基于各病理图像中各第一图块的识别结果，确定肿瘤区域内三级淋巴结构的识别结果；以及，基于各病理图像中各第二图块的识别结果，确定癌旁区域内三级淋巴结构的识别结果。
[0012]第五方面，本申请实施例提供了一种识别设备，该识别设备包括：存储器和处理器。其中，该存储器和该处理器通过内部连接通路互相通信，该存储器用于存储指令，该处理器用于执行该存储器存储的指令，并且当该处理器执行该存储器存储的指令时，使得该处理器执行上述各方面任一种实施方式中的识别方法。
[0013]第六方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储计算机程序，当计算机程序在计算机上运行时，上述各方面任一种实施方式中的方法被执行。
[0014]上述技术方案中的优点或有益效果至少包括：由于三级淋巴结构检测模型可快速、高效对待识别图像进行目标检测，得到待识别图像中预选三级淋巴结构的检测框、检测概率和检测类别，从而可利用检测框、检测概率和检测类别从预选三级淋巴结构中快速、高效确定出待识别图像中不同成熟度的三级淋巴结构，提高了三级淋巴结构的检测效率和识别效率。并且，因三级淋巴结构检测模型的检测过程不易受到干扰，其对待识别图像的检测标准可保持一致，还有助于提高识别的准确性。如此，在面对海量病理图像时，采用本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种三级淋巴结构的识别方法，其特征在于，包括：获取待识别图像；基于三级淋巴结构检测模型对所述待识别图像进行目标检测，得到所述待识别图像中预选三级淋巴结构的检测框、检测概率和检测类别；所述三级淋巴结构检测模型为基于多个样本图像训练大规模卷积神经网络得到，所述样本图像中包含成熟三级淋巴结构的图像及非成熟三级淋巴结构的图像，所述检测框、所述检测概率和所述检测类别之间具有对应关系；基于所述检测框、所述检测概率和所述检测类别，从所述预选三级淋巴结构中确定出成熟三级淋巴结构及非成熟三级淋巴结构，得到所述待识别图像的识别结果。2.根据权利要求1所述的识别方法，其特征在于，基于所述检测框、所述检测概率及所述检测类别，从所述预选三级淋巴结构中确定出成熟三级淋巴结构及非成熟三级淋巴结构，包括：在所述检测概率大于或等于概率阈值且所述检测类别为成熟三级淋巴结构的情况下，确定对应的检测框所框选的预选三级淋巴结构为成熟三级淋巴结构；在所述检测概率大于或等于概率阈值且所述检测类别为非成熟三级淋巴结构的情况下，确定对应的检测框所框选的预选三级淋巴结构为非成熟三级淋巴结构。3.一种病例三级淋巴结构的识别方法，其特征在于，包括：按照预设的放大倍数分别对病例的多个病理切片进行扫描，得到多个病理图像，所述多个病理图像与所述多个病理切片一一对应；确定各所述病理图像的肿瘤区域及癌旁区域；将各所述病理图像的肿瘤区域划分成多个第一图块；以及，将各所述病理图像的癌旁区域划分成多个第二图块，所述第一图块和所述第二图块的尺寸相同；基于权利要求1或2所述的三级淋巴结构的识别方法，分别对各所述病理图像的各第一图块及各第二图块进行识别，得到各所述第一图块的识别结果及各所述第二图块的识别结果；基于各所述病理图像中各第一图块的识别结果，确定所述肿瘤区域内三级淋巴结构的识别结果；以及，基于各所述病理图像中各第二图块的识别结果，确定所述癌旁区域内三级淋巴结构的识别结果。4.根据权利要求3所述的病例三级淋巴结构的识别方法，其特征在于，还包括：对各所述病理图像的肿瘤区域内三级淋巴结构的识别结果进行定量分析，得到所述病例的第一定量分析结果；对各所述病理图像的癌旁区域内三级淋巴结构的识别结果进行定量分析，得到所述病例的第二定量分析结果。5.根据权利要求3所述的病例三级淋巴结构的识别方法，其特征在于，还包括：基于各所述病理图像中各第一图块的识别结果及各第二图块的识别结果，确定所述病...
【专利技术属性】
技术研发人员：文静，林广荣，凌逸虹，傅剑华，翁泽霖，谢秀英，
申请(专利权)人：中山大学肿瘤防治中心中山大学附属肿瘤医院，中山大学肿瘤研究所，
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。