本发明专利技术公开了一种IHC核表达病理图像细胞分类装置和方法，其中装置包括：读取模块，用于读取IHC核表达数字病理切片的全片图像；预处理模块，用于对全片图像进行预处理，使用滑动窗口切割法，将全片图像切割为小图像；细胞分类模块，用于将切割后的小图像输入训练好的细胞分类模型，识别小图像中的细胞类别，生成小的细胞分类遮罩图；细胞类别包括：阴性和阳性；拼接模块，用于将生成的小的细胞分类遮罩图根据其对应的切割位置顺序进行图像拼接，转化为全片细胞分类遮罩图；后处理模块，用于提取全片细胞分类遮罩图的轮廓，并将膨胀处理后的轮廓图像融合到原全片图像中。通过本发明专利技术对细胞分类模型的改进，可以实现数字病理图像智能细胞分类。胞分类。胞分类。
【技术实现步骤摘要】
一种IHC核表达病理图像细胞分类装置和方法
[0001]本专利技术涉及人工智能领域，具体而言，涉及一种IHC核表达病理图像细胞分类装置和方法。
技术介绍
[0002]免疫组织化学染色技术(Immunohistochemistry，简称免疫组化，IHC)是一种广泛用于病理领域用于辅助病理诊断及指导肿瘤治疗的染色方法。其通过抗原抗体酶标显色的化学反应方法，对组织细胞中特定的蛋白质(抗原)进行染色，反映组织中的细胞形态及特定的功能蛋白分子表达情况。免疫组化在肿瘤诊断的作用：判断良恶性；确定肿瘤分期；判断细胞属性；确定来源不明的转移瘤的原发部位；对「未分类」恶性肿瘤的分类；对不同器官和组织交界处肿瘤的进一步分类，发现微小转移灶，治疗及预后，药物靶点选择等等。
[0003]免疫组织化学检测结果可为病理诊断提供重要信息，指导临床医师准确诊断肿瘤，指导临床医师制定治疗方案和治疗方案。准确判断肿瘤免疫组织化学检查结果和肿瘤细胞的阳性率，直接影响到肿瘤的诊断和治疗效果。因此对肿瘤组织和细胞的准确判断尤为重要。
[0004]免疫组化标记中，阳性标记细胞学特征是反映抗原在细胞中的定位和分布情况。在诊断中阳性细胞以拟标记的细胞为前提，阳性表达的阳性颗粒定位于细胞核，呈均匀分布或位于核膜下，有的呈小斑块状不规则分布。此多见于增殖细胞核抗原、Ki
‑
67及激素受体中雌激素受体(ER)、孕激素受体(PR)和基因p53等。而这些不同的抗体对于患者的预后效果、病情判断等情况有很大的指导作用。而在现有技术中，无法对IHC免疫组化核阳的数字病理全片进行精准的、全片性质的精准判断。
技术实现思路
[0005]为了解决上述无法对IHC核表达数字病理图像进行精准细胞分类的技术问题，本专利技术提供一种IHC核表达病理图像细胞分类装置和方法，通过对细胞分类模型的改进，实现精准数字化判读病理图片的阴性细胞和阳性细胞的效果。
[0006]具体的，本专利技术的技术方案如下：
[0007]第一方面，本专利技术公开一种IHC核表达病理图像细胞分类装置，包括：
[0008]读取模块，用于读取IHC核表达数字病理切片的全片图像；
[0009]预处理模块，用于对所述全片图像进行预处理，使用滑动窗口切割法，将所述全片图像切割为小图像；
[0010]细胞分类模块，用于将所述切割后的小图像输入训练好的细胞分类模型，识别所述小图像中的细胞类别，生成小的细胞分类遮罩图；所述细胞类别包括：阴性和阳性；
[0011]拼接模块，用于将所述生成的小的细胞分类遮罩图根据其对应的切割位置顺序进行图像拼接，转化为全片细胞分类遮罩图；
[0012]后处理模块，用于提取所述全片细胞分类遮罩图的轮廓，并将膨胀处理后的轮廓
图像融合到原全片图像中。
[0013]在一些实施方式中，所述细胞分类模型根据细胞形态、细胞核形态、颜色之中的任一一种或多种来对细胞进行分类。
[0014]在一些实施方式中，所述细胞分类模块，使用的细胞分类模型的模型结构采用多尺度分离大卷积残差块，具体包括：
[0015]通道降维子模块，用于使用1*1卷积将输入的通道进行降维；
[0016]分离卷积子模块，用于将两个连续3*3卷积替换成3个并行的大中小卷积核；
[0017]通道融合子模块，用于在卷积运算后通过通道维度进行数组合并；
[0018]通道升维子模块，用于最终通过1*1卷积将通道数升维至输入的原始大小。
[0019]在一些实施方式中，所述细胞分类模块，使用的细胞分类模型在U
‑
Net++结构的每个卷积单元后引用了卷积块注意力机制，具体包括：
[0020]通道注意力机制子模块，用于在特征图按通道拼接后，增强有效尺度的特征图；
[0021]权重控制子模块，用于对有效的通道提升权重；
[0022]空间注意力机制子模块，用于提取同一特征图中有效的空间信息，以便捕捉图像中其他区域的病理图像结构特点。
[0023]在一些实施方式中，所述细胞分类模块，使用的细胞分类模型引入了距离敏感的损失函数，具体包括：
[0024]损失函数子模块，用于在由交叉熵损失和基于Dice score的损失两部分构成的损失函数的基础上，对越靠近细胞核中心的像素的损失给与更高的权重，越远离细胞核的像素的损失权重越低。
[0025]在一些实施方式中，所述后处理模块，包括以下子模块：
[0026]噪点处理子模块，用于使用图像形态学的腐蚀运算，再使用膨胀运算，实现对所述全片细胞分类遮罩图的噪点处理；
[0027]轮廓提取子模块，用于提取所述全片细胞分类遮罩图的轮廓；
[0028]计算子模块，用于算出每个轮廓的中心点；
[0029]膨胀子模块，用于以所述中心点为圆心，设置膨胀度为指定像素值进行画圆打点处理；
[0030]图像融合子模块，用于将膨胀处理后的轮廓图像融合到原全片图像中，生成最终细胞分类效果图。
[0031]第二方面，本专利技术还公开一种IHC核表达病理图像细胞分类方法，包括以下步骤：
[0032]读取IHC核表达数字病理切片的全片图像；
[0033]对所述全片图像进行预处理，使用滑动窗口切割法，将所述全片图像切割为小图像；
[0034]将所述切割后的小图像输入训练好的细胞分类模型，识别所述小图像中的细胞类别，生成小的细胞分类遮罩图；所述细胞类别包括：阴性和阳性；
[0035]将所述生成的小的细胞分类遮罩图根据其对应的切割位置顺序进行图像拼接，转化为全片细胞分类遮罩图；
[0036]提取所述全片细胞分类遮罩图的轮廓，并将膨胀处理后的轮廓图像融合到原全片图像中。
[0037]在一些实施方式中，所述细胞分类模型，采用的模型结构采用多尺度分离大卷积残差块，具体包括：
[0038]使用1*1卷积将输入的通道进行降维；将两个连续3*3卷积替换成3个并行的大中小卷积核；在卷积运算后通过通道维度进行数组合并；最终通过1*1卷积将通道数升维至输入的原始大小。
[0039]在一些实施方式中，所述细胞分类模型，在U
‑
Net++结构的每个卷积单元后引用了卷积块注意力机制，该注意力机制结合了通道注意力机制和空间注意力机制；具体包括：
[0040]在特征图按通道拼接后，通过一个通道注意力机制增强有效尺度的特征图；
[0041]对有效的通道提升权重；
[0042]通过一个空间注意力机制，提取同一特征图中有效的空间信息，以便捕捉图像中其他区域的病理图像结构特点。
[0043]在一些实施方式中，所述细胞分类模型，引入了距离敏感的损失函数，具体包括：
[0044]在由交叉熵损失和基于Dice score的损失两部分构成的损失函数的基础上，对越靠近细胞核中心的像素的损失给与更高的权重，越远离细胞核的像素的损失权重越低。
[0045]与现有技术相比，本发本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种IHC核表达病理图像细胞分类装置，其特征在于，包括：读取模块，用于读取IHC核表达数字病理切片的全片图像；预处理模块，用于对所述全片图像进行预处理，使用滑动窗口切割法，将所述全片图像切割为小图像；细胞分类模块，用于将所述切割后的小图像输入训练好的细胞分类模型，识别所述小图像中的细胞类别，生成小的细胞分类遮罩图；所述细胞类别包括：阴性和阳性；拼接模块，用于将所述生成的小的细胞分类遮罩图根据其对应的切割位置顺序进行图像拼接，转化为全片细胞分类遮罩图；后处理模块，用于提取所述全片细胞分类遮罩图的轮廓，并将膨胀处理后的轮廓图像融合到原全片图像中。2.如权利要求1所述的一种IHC核表达病理图像细胞分类装置，其特征在于，所述细胞分类模型根据细胞形态、细胞核形态、颜色之中的任一一种或多种来对细胞进行分类。3.如权利要求1所述的一种IHC核表达病理图像细胞分类装置，其特征在于，所述细胞分类模块，使用的细胞分类模型的模型结构采用多尺度分离大卷积残差块，具体包括：通道降维子模块，用于使用1*1卷积将输入的通道进行降维；分离卷积子模块，用于将两个连续3*3卷积替换成3个并行的大中小卷积核；通道融合子模块，用于在卷积运算后通过通道维度进行数组合并；通道升维子模块，用于最终通过1*1卷积将通道数升维至输入的原始大小。4.如权利要求1所述的一种IHC核表达病理图像细胞分类装置，其特征在于，所述细胞分类模块，使用的细胞分类模型在U
‑
Net++结构的每个卷积单元后引用了卷积块注意力机制，具体包括：通道注意力机制子模块，用于在特征图按通道拼接后，增强有效尺度的特征图；权重控制子模块，用于对有效的通道提升权重；空间注意力机制子模块，用于提取同一特征图中有效的空间信息，以便捕捉图像中其他区域的病理图像结构特点。5.如权利要求1所述的一种IHC核表达病理图像细胞分类装置，其特征在于，所述细胞分类模块，使用的细胞分类模型引入了距离敏感的损失函数，具体包括：损失函数子模块，用于在由交叉熵损失和基于Dicescore的损失两部分构成的损失函数的基础上，对越靠近细胞核中心的像素的损失给与更高的权重，越远离细胞核的像素的损失权重越低。6.如权利要求1所述的一种IHC核表达病理图像细胞分类装置，其特征在...
【专利技术属性】
技术研发人员：王华，吴金鹏，杨泽鹏，陶波，
申请(专利权)人：杭州智汇明壹医疗科技有限公司，
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。