【技术实现步骤摘要】
一种基于乳腺癌病理图像的预后预测的方法
[0001]本专利技术涉及图像处理领域，特别涉及一种基于乳腺癌病理图像的预后预测的方法。
技术介绍
[0002]乳腺癌是世界上最常见的恶性肿瘤之一，在2020年确诊226万人，首次取代肺癌(220万人)成为世界上最广泛的癌症。在2022年，美国报告了约290,560例新诊断和43,780例估计伤亡。因此，乳腺癌对改善全球人口的平均寿命构成了重大威胁。乳腺癌的治疗方案包括手术、化疗、放疗、靶向治疗、免疫治疗，医生会根据患者的亚型制定治疗方案。然而，由于乳腺癌是高度异质性的，乳腺癌患者有不同的亚型系统和生物标志物，但这些生物标志物的评价需要免疫组化(IHC)、原位杂交(ISH)和RNA测序，由于成本高、肿瘤组织不足和标准化困难，导致目前对于这一类生物标志物的评价较为困难。
[0003]近年来，深度学习方法在病理学领域引起了广泛关注。深度学习是一种机器学习方法，可以自动提取物体的特征，如图像和文本。结合深度学习技术的计算病理学开始在多种病理领域显示出潜力，包括有丝分裂细胞识别、淋巴结...
【技术保护点】
【技术特征摘要】
1.一种基于乳腺癌病理图像的预后预测的方法，其特征在于，包括以下步骤：步骤1，采集具有标签的病理WSI图像并进行预处理；步骤2，对预处理后的病理WSI图像进行分割得到分割块，再基于分类器判断各个分割块是否为肿瘤图像，判断完毕后，将判断为肿瘤图像的分割块数量少于预定阈值的病理WSI图像去除，剩余的病理WSI图像作为训练图像；步骤3，在一张训练图像中随机选择预设数量的分割块来形成一个用于训练的伪包，从而由一张训练图像形成多个伪包，并遍历所有训练图像来形成更多数量的伪包，每个伪包均继承相应训练图像的标签；步骤4，基于伪包来训练深度卷积神经网络模型，以使模型输出肿瘤的预测概率，并在训练中采用四折交叉验证，直至模型的性能不再提高，从而获得用于预后预测的模型；步骤5，将待进行预后预测的图像输入至用于预后验证的模型中，从而输出预后预测结果。2.根据权利要求1所述的方法，其特征在于，所述的步骤1中，预处理包括：将采集的所有病理WSI图像保存为统一格式，然后将图像的放大倍数统一调整为10倍，并进行图像损坏检查，剔除掉存在图像损坏的病理WSI图像。3.根据权利要求1所述的方法，其特征在于，所述的步骤1中，在预处理完成后，还包括扩充病理WSI图像数量的步骤：基于Color Jitter算法模拟病理WSI图像在不同染色条件下的颜色分布，从而获得更多病理WSI图像；其中在第一阶段，使用Adam优化器并设置批大小为16，学习率为0...
【专利技术属性】
技术研发人员：申竑，张向阳，蔡长景，谭军，魏乐，刘一涵，任欢，王飞扬，
申请(专利权)人：中南大学湘雅医院，
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。