一种基于多分辨多区域的微卫星不稳定检测方法及设备技术

本发明专利技术公开一种基于多分辨多区域的微卫星不稳定检测方法及设备，上述方法包括：S1：获取多分辨率WSI图像；S2：根据颜色的不同对S1得到的低分辨率图像进行像素分类，将颜色相同或相近的像素归为一类，每一类形成具有染色信息的图像；S3：选取包含染色信息最多的那类图像，并将其划分成为多个小区域；S4：从所有小区域中选取包含像素数量最多的小区域；S5：从高分辨率图像中获取与S4选取的小区域相对应的区域，并将该区域划分为多个小图像块；S6：利用预训练好的特征提取模型对所有小图像块进行特征图提取；S7：利用分类模型对特征图依次进行分类，判断对应特征图的小图像块为MSIH或nonMSIH。本发明专利技术使微卫星不稳定性状态的检测更高效、更可靠、成本更低。成本更低。成本更低。

【技术实现步骤摘要】
一种基于多分辨多区域的微卫星不稳定检测方法及设备


[0001]本专利技术属于基因测序领域，具体涉及一种基于多分辨多区域的微卫星不稳定检测方法及设备。

技术介绍

[0002]结直肠癌是当今世界上第三大常见癌症，也是世界上第二大致死癌症，每年大约有90万人死于结直肠癌。
[0003]微卫星不稳定性(Microsatellite Instability，MSI)，是指由于在DNA复制时插入或缺失突变引起的微卫星(Microsatellite,MS)序列长度改变的现象，常由错配修复功能(Mismatch repair,MMR)缺陷引起。MS序列，是一些短而重复的DNA序列，一般由1～6个核苷酸组成，串联重复排列，常见类型为双碱基CA/GA/GT或单碱基A/T等。MS序列可以位于基因的重要非编码区，也可以位于基因的编码区，多态性分布于整个基因组，个体差异大。
[0004]MSI现象于1993年被Jacobs等人在结直肠癌中首次发现。随着针对MSI的研究深入，发现MSI现象不止存在于结直肠癌，在子宫内膜癌、胃癌、肝细胞癌、乳腺癌等实体瘤中均有发生。
[0005]临床研究证实，MSI与结直肠癌的预后有着密切的关系。微卫星不稳定性高的结直肠癌患者相比稳定的患者具有显著的生存优势，临床表现较差，但预后更好。研究证实，针对Ⅱ/Ⅲ期结直肠癌患者，微卫星不稳定性高的患者的总生存期及无病生存期明显延长。美国国家综合癌症网络(National Comprehensive Cancer Network，NCCN)发布的结直肠癌指南，建议MSI检测应在所有结直肠癌史的病人中进行。
[0006]目前检测癌细胞中的MSI时，既可以通过检测MMR基因缺失来确定是否发生MSI，如依赖于免疫组化技术的蛋白水平检测，也可以直接检测MSI的序列变化，如PCR(聚合酶链反应)检测等的分子水平检测。
[0007]常见的方法为采用免疫组织化学方法检测肿瘤组织中错配修复基因MLH1、MSH2、MSH6及PMS2的表达。任何一项错配修复基因表达缺失，被定义为MSI，否则即为微卫星稳定(MSS)。其中一个表达缺失则称为低度微卫星不稳定(MSI
‑
L)，2种或2种以上蛋白表达缺失为高度微卫星不稳定(MSI
‑
H)。此方法检测MSI相对较简单，成本较低。但存在一些问题，如使用抗体的不一致、病理医生的阅片标准不一致等。
[0008]而分子水平的检测则主要采用多重荧光PCR结合毛细管电泳的方法。通过PCR方法检测特异的微卫星重复序列扩增判定MSI状态，比较肿瘤患者的标本组织与正常组织的位点突变情况。其比较的位点为美国国家癌症研究所(NCI)推荐的5个微卫星位点：BAT25、BAT26、D5S346、D2S123及D17S250。其中≥2个位点发生改变判定为高度微卫星不稳定(MSI
‑
H)，仅1个位点发生改变判定为低度微卫星不稳定(MSI
‑
L)，无位点改变判定为微卫星稳定(MSS)。该方法目前是检测MSI的方法学“金标准”，但操作过程复杂，花费较高，且在结果判断中会碰到以下问题，如荧光的过强或过少、非特异性峰、不显著的峰大小改变，杂合性缺失等。
[0009]随着人工智能的发展，基于人工智能技术的结直肠癌微卫星状态分类方法开始涌现，通过设计针对性的网络架构以及对胃癌病理图像的自主学习，使训练好的神经网络模型可以对结直肠癌微卫星状态进行分类，一定程度上弥补了传统方法的不足。
[0010]然而，该方法也存在以下问题：
[0011]1)标注成本巨大，需要医生手动勾画肿瘤区域，或由医生手动勾画后训练出来的分类模型帮助进行筛选。此过程也会引入病理医生主观勾画的差异，对结果造成一定影响。
[0012]2)由于WSI图像较大，对于单张病理切片图像，每1cm*1cm的切片，在40X的分辨率下，每个pixel大小为0.25um左右，整张病理切片的分辨率约在40000x40000左右，图像文件大小在1GB左右，普通的计算机很难直接处理，因此需要处理成512x512的小图tiles进行运算，但这样处理后，tiles图像数量剧增。
[0013]C、大部分在训练过程中，对与同一个WSI所生成的小片(Patch)的MSI的状态，都使用了同样的权重，忽略了小片(Patch)间的异质性，也从一定程度上影响了结果的准确性。

技术实现思路

[0014]为了解决上述技术问题，本专利技术提出了一种基于多分辨多区域的微卫星不稳定检测方法及设备。
[0015]为了达到上述目的，本专利技术的技术方案如下：
[0016]一方面，本专利技术公开一种基于多分辨多区域的微卫星不稳定检测方法，包括以下步骤：
[0017]S1：获取目标病理图片，读取该目标病理图片内的WSI图片信息，得到至少低分辨率图像和高分辨率图像；
[0018]S2：根据颜色的不同对S1得到的低分辨率图像进行像素分类，将颜色相同或相近的像素归为一类，每一类形成具有染色信息的图像；
[0019]S3：从S2得到的所有具有染色信息的图像中选取包含染色信息最多的那类图像，并将其划分成为多个小区域；
[0020]S4：从S3得到的所有小区域中选取包含像素数量最多的小区域；
[0021]S5：从高分辨率图像中获取与S4选取的小区域相对应的区域，并将该区域划分为多个小图像块；
[0022]S6：利用预训练好的特征提取模型对S5得到的所有小图像块进行特征图提取；
[0023]S7：利用分类模型对S5提取的特征图依次进行分类，判断对应特征图的小图像块为MSIH或nonMSIH；
[0024]若为MSIH，则小图像块对应的小区域整个判定为MSIH；
[0025]否则，继续对下一个特征图进行分类，若全部的特征图对应的小图像块均为nonMSIH，则小图像块对应的小区域整个判定为nonMSIH。
[0026]在上述技术方案的基础上，还可做如下改进：
[0027]作为优选的方案，S2具体包括以下步骤：
[0028]S2.1：将S1得到的低分辨率图像从RGB空间转换为L*a*b颜色空间，L*a*b*空间包含光度层'L*'、色度层'a*'和色度层'b*'；
[0029]S2.2：使用聚类方法对像素进行分类，将颜色相同或相近的像素归为一类，每一类
形成具有染色信息的图像。
[0030]作为优选的方案，聚类方法为K
‑
means聚类法、层次聚类法、SOM聚类法、FCM聚类法中的一种。
[0031]作为优选的方案，S3具体包括以下步骤：
[0032]S3.1：在RGB通道上判断S2得到的每一类图像的RGB通量和，通量和最大，且颜色最接近白色的那类图像为背景图；
[0033]S3.2：对除背景图以外的每一类图像进行判断，其颜色最接近紫色的那类图像即为染色信息最多的图像；
[0034]S3.3：将S3本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多分辨多区域的微卫星不稳定检测方法，其特征在于，包括以下步骤：S1：获取目标病理图片，读取该目标病理图片内的WSI图片信息，得到至少低分辨率图像和高分辨率图像；S2：根据颜色的不同对S1得到的低分辨率图像进行像素分类，将颜色相同或相近的像素归为一类，每一类形成具有染色信息的图像；S3：从S2得到的所有具有染色信息的图像中选取包含染色信息最多的那类图像，并将其划分成为多个小区域；S4：从S3得到的所有小区域中选取包含像素数量最多的小区域；S5：从高分辨率图像中获取与S4选取的小区域相对应的区域，并将该区域划分为多个小图像块；S6：利用预训练好的特征提取模型对S5得到的所有小图像块进行特征图提取；S7：利用分类模型对S5提取的特征图依次进行分类，判断对应特征图的小图像块为MSIH或nonMSIH；若为MSIH，则小图像块对应的小区域整个判定为MSIH；否则，继续对下一个特征图进行分类，若全部的特征图对应的小图像块均为nonMSIH，则小图像块对应的小区域整个判定为nonMSIH。2.根据权利要求1所述的微卫星不稳定检测方法，其特征在于，S2具体包括以下步骤：S2.1：将S1得到的低分辨率图像从RGB空间转换为L*a*b颜色空间，L*a*b*空间包含光度层'L*'、色度层'a*'和色度层'b*'；S2.2：使用聚类方法(如：K
‑
means聚类法)对像素进行分类，将颜色相同或相近的像素归为一类，每一类形成具有染色信息的图像。3.根据权利要求2所述的微卫星不稳定检测方法，其特征在于，所述聚类方法为K
‑
means聚类法、层次聚类法、SOM聚类法、FCM聚类法中的一种。4.根据权利要求1所述的微卫星不稳定检测方法，其特征在于，S3具体包括以下步骤...

【专利技术属性】
技术研发人员：徐清华，文虎儿，宋凯斌，孙益丰，
申请(专利权)人：苏州可帮基因科技有限公司，
类型：发明
国别省市：