【技术实现步骤摘要】
病理图像的淋巴结转移检测方法及装置、设备、存储介质
[0001]本专利技术属于图像处理
，具体涉及一种病理图像的淋巴结转移检测方法及装置、设备、存储介质。
技术介绍
[0002]淋巴结转移一般是指恶性肿瘤通过淋巴管转移至其旁，或者其相关的淋巴结，造成肿瘤细胞在淋巴结滋养、繁殖，引起淋巴结癌性的肿大。对于淋巴结转移如不明确可行淋巴结的穿刺活检，病理学检查即可明确其是否是转移性的癌淋巴结。如发现有癌淋巴结则需进一步行相关的检查，明确原发肿瘤的部位。如发生远处的淋巴结转移，则肿瘤一般属于较晚期，一般通过手术的方式很难达到根治性的治疗，此时需采用化疗、放疗，以及生物免疫治疗等综合治疗的方法加以处理。
[0003]淋巴结转移检测通常应用于手术中快速冰冻病理诊断过程中(简称术中冰冻)，该过程是在外科医生在实施手术过程中，对切下的病变组织进行快速冰冻切片后做病理检查，是帮助外科医生决定下一步手术方案、手术范围的重要环节，同时也是病理医生工作中最重要又最困难的一部分。
[0004]现有技术中提出一些使用人工智能算法，对...
【技术保护点】
【技术特征摘要】
1.病理图像的淋巴结转移检测方法，其特征在于，包括：获取病理图像，对所述病理图像进行滑窗切分获得多个尺寸为512
×
512的切片子图；将每个所述切片子图输入预先训练好的分割模型，获得每个所述切片子图的候选区域；其中，所述分割模型包括依次连接的编码层和解码层，所述编码层包括依次连接的特征提取层和空间金字塔池化层，所述特征提取层包括依次连接的空洞卷积层和深度可分离卷积层；根据每个所述切片子图的坐标信息，将所有所述候选区域拼接成与所述病理图像相同尺寸的预测图像；从所述预测图像中包含的至少一个转移灶区域中，确定出面积最大的目标转移灶区域；计算所述目标转移灶区域的最小外接矩形的最大边长作为最长直径；根据所述最长直径，确定出所述病理图像的转移检测结果；其中，所述转移检测结果用于表征发生淋巴结转移或未发生淋巴结转移。2.如权利要求1所述的病理图像的淋巴结转移检测方法，其特征在于，所述编码层还包括第一通道卷积层；所述解码层包括第一采样层、第二通道卷积层、3
×
3卷积层和第二采样层；将每个所述切片子图输入预先训练好的分割模型，获得每个所述切片子图的候选区域，包括：针对每个所述切片子图，通过所述特征提取层对所述切片子图进行特征提取，获得高级语义特征图；通过所述空间金字塔池化层对所述高级语义特征图进行特征提取，获得多尺度特征图；通过第一通道卷积层对所述多尺度特征图进行通道变换，获得编码图；通过所述第一采样层对所述编码图进行上采样，获得低层语义特征图；通过第二通道卷积层对所述高级语义特征图进行通道变换，获得与所述编码图尺寸相匹配的新的高级语义特征图；将新的高级语义特征图和所述低层语义特征图进行融合拼接，获得合并图；通过所述3
×
3卷积层对所述合并图进行卷积计算，获得卷积图；通过所述第二采样层对所述卷积图进行上采样，获得所述切片子图的候选区域。3.如权利要求1所述的病理图像的淋巴结转移检测方法，其特征在于，所述分割模型的训练过程包括：构建深度学习神经网络；采集若干训练样本图像，对每一所述训练样本图像进行癌灶区域标注，获得每个所述训练样本图像的标签图；对每个所述训练样本图像进行滑窗切分获得多个尺寸为512
×
512的训练子图，对所述标签图进行滑窗切分获得多个标签子图，所述标签子图与所述训练子图一一对应；将每个所述训练子图输入所述深度学习神经网络，根据对应的标签子图对所述深度学习神经网络进行优化训练获得分割模型。4.如权利要求1至3任一项所述的病理图像的淋巴结转移检测方法，其特征在于，根据
所述最长直径，确定出所述病理图像的转移检测结果，包括：判断所述最长直径是否小于预设阈值；若所述最长直径小于预设阈值，判定所述病理图像的转移检测结果用于表征未发生淋巴结转移；若所述最长直径不小于预设阈值，判定所述病理图像的转移检测结果用于表征发生淋巴结转移。5.如权利要求4所述的病理图像的淋巴结...
【专利技术属性】
技术研发人员：张百川，张雪媛，窦晋津，王晓雯，
申请(专利权)人：重庆知见生命科技有限公司，
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。