一种结直肠癌P53蛋白的免疫组化图像自动评分系统技术方案

本发明专利技术公开了一种结直肠癌P53蛋白的免疫组化图像自动评分系统。包括染色通道分离模块、细胞核区域提取模块、有效组织区域提取模块和免疫组化评分模块，将结直肠癌P53免疫组化染色图分离得到苏木素、DAB和残差通道；提取结直肠癌P53免疫组化染色图中细胞核区域染色图；获得组织区域掩模；提取原始结直肠癌P53免疫组化染色图的第一特征向量；基于细胞核区域染色图及组织区域掩模，利用注意力机制学习细胞核区域染色强度和阳性染色百分比，得到第二特征向量；将第一特征向量和第二特征向量进行拼接经全连接层输出得到免疫组化评分结果。本发明专利技术实现了免疫组化图像的自动检查。发明专利技术实现了免疫组化图像的自动检查。发明专利技术实现了免疫组化图像的自动检查。

【技术实现步骤摘要】
一种结直肠癌P53蛋白的免疫组化图像自动评分系统


[0001]本专利技术涉及数字病理图像和计算机领域，具体是一种融合辅助特征的结直肠癌P53免疫组化图像自动评分系统。

技术介绍

[0002]在病理检查中，大约有5％～10％的病例只靠HE染色很难做出明确的形态学诊断，尤其是早期低分化或未分化的肿瘤，通过加做免疫组化检查可以大大提高诊断的准确率。免疫组化图像的评分表示某种基因蛋白的表达程度，病理医生在阅片时按照染色强度和阳性染色百分比给出评分，这是一项耗时费力的工作，并且受视觉感知偏差的影响，不同病理医生的评分结果可能是不同的。因此，需要有一种自动化的评分系统，通过学习专业病理学家的诊断经验来高效、准确地给出免疫组化评分结果。

技术实现思路

[0003]为了克服现有技术的不足，本专利技术提供了一种融合辅助特征的P53免疫组化图像自动评分系统。
[0004]本专利技术解决其技术问题所采用的技术方案是：本专利技术实施例提供了一种结直肠癌P53免疫组化图像自动评分系统，所述系统包括：
[0005]染色通道分离模块，用于将结直肠癌P53免疫组化染色图通过颜色反卷积算法分离得到苏木素、DAB和残差通道；
[0006]细胞核区域提取模块，用于将结直肠癌P53免疫组化染色图变换到hrd空间，使用最大类间方差法分割得到细胞核区域掩码，得到结直肠癌P53免疫组化染色图中细胞核区域染色图；
[0007]有效组织区域提取模块，获取染色通道分离模块输出的DAB通道的染色图，通过LC显著性检测算法检测组织区域，再利用自适应二值化方法得到组织区域的二值化图像，并使用闭运算连接二值化图像中相邻区域获得组织区域掩模；
[0008]免疫组化评分模块，用于提取原始结直肠癌P53免疫组化染色图的第一特征向量；基于细胞核区域提取模块输出的细胞核区域染色图及有效组织区域提取模块输出的组织区域掩模，利用注意力机制学习细胞核区域染色强度和阳性染色百分比，得到第二特征向量；将第一特征向量和第二特征向量进行拼接经全连接层输出得到免疫组化评分结果。
[0009]进一步地，所述细胞核区域分割模块通过log运算将结直肠癌P53免疫组化染色图先变换到光密度空间，再变换至hrd空间，获取hrd空间中苏木素通道的灰度图，使用最大类间方差法分割得到细胞核区域掩码，进而得到结直肠癌P53免疫组化染色图中细胞核区域染色图。
[0010]进一步地，从光密度空间变换为hrd空间的过程包括：利用染色剂在光密度空间RGB通道的光密度值进行变换，公式如下：
[0011]x
hrd
＝M
‑1x
rgb
[0012]式中，x
hrd
为hrd空间下结直肠癌P53免疫组化染色图中的像素点，x
rgb
为光密度空间下结直肠癌P53免疫组化染色图中的像素点，矩阵M中每一行表示某种染色剂在RGB通道的光密度值。
[0013]进一步地，所述有效组织区域提取模块首先对染色通道分离模块输出的DAB通道的染色图通过gamma变换增强暗部区域，对暗部增强后的图像使用LC显著性检测算法检测有效组织区域，再利用自适应二值化方法得到组织区域的二值化图像，并使用闭运算连接二值化图像中相邻区域获得较为完整的组织区域掩模；设定连通域大小阈值，使用连通域检测得到组织区域掩模中各连通域的大小，去除误检测产生的小区域和/或组织内部的漏检区域，对组织区域掩模进行进一步优化。
[0014]进一步地，使用LC显著性检测算法检测有效组织区域的过程包括：计算每个像素到其他像素的欧式距离作为全局对比度，得到一个与原始图像大小相同的对比度矩阵，将所有像素的对比度均值作为阈值k，高于阈值k的像素灰度值设置为255，低于阈值k的像素灰度值设置为0，得到组织区域的二值化掩码。
[0015]进一步地，所述免疫组化评分模块具体为：
[0016]所述免疫组化评分模块包括两个分支网络单元，第一分支网络单元用于提取原始结直肠癌P53免疫组化染色图的第一特征向量，第二分支网络单元将细胞核区域提取模块输出的细胞核区域染色图、有效组织区域提取模块输出的组织区域掩模作为输入，基于注意力机制学习细胞核区域染色强度和阳性染色百分比，得到第二特征向量；将第一特征向量和第二特征向量进行拼接，输入至两层全连接层中，激活函数为Softmax，全连接层输出得到免疫组化评分结果；所述免疫组化评分结果包含强阳性、阳性、弱阳性、阴性四类。
[0017]进一步地，所述第一分支网络单元具体为：
[0018]所述第一分支网络单元使用密集连接的卷积网络作为骨架网络，包括依次连接的第一卷积层、第一密集卷积块、第一过渡层、第一FCANet多谱通道注意力单元、第二密集卷积块、第二过渡层、第二FCANet多谱通道注意力单元、第三密集卷积块、第三过渡层、第三FCANet多谱通道注意力单元、第四密集卷积块。
[0019]进一步地，第二分支网络单元具体为：
[0020]所述第二分支网络单元具体包括：依次连接的输入层、全连接层。
[0021]进一步地，得到第二特征向量的过程中还包括：
[0022]对输入的细胞核区域提取模块输出的细胞核区域染色图、有效组织区域提取模块输出的组织区域掩模进行向量化；
[0023]具体为：
[0024](1)灰度值划分：RGB图像每个通道灰度值范围为0～255，从0开始每10个灰度值为一档将每个通道的灰度值划分为26档；假设RGB图像的一个像素点在R、G、B三通道的灰度值表示为[r
i
,g
i
,b
i
]，经过灰度划分，可以用[R
i
,G
i
,B
i
]来代替，其中R
i
＝Floor(r
i
/10)，G
i
＝Floor(g
i
/10)，B
i
＝Floor(b
i
/10)；
[0025](2)构建特征向量：为了将三维坐标系中的点映射到一维向量的一个维度，构建如下映射关系j＝(R
i
*26+G
i
)*26+B
i
，j表示灰度值为R
i
、G
i
、B
i
的点映射到一维向量后的位置；
[0026](3)统计像素点数量：通过步骤(1)和步骤(2)已经建立了从RGB空间中一个点到一维向量的一个位置的映射关系，将图像中所有点映射到一维，使向量对应位置的值等于映
射到该位置的像素点数量；得到特征向量。
[0027]与现有技术相比，本专利技术的有益效果为：本专利技术建立了一个自动化的结直肠癌P53图像评分系统，与临床免疫组化评分标准结合，通过深度学习网络学习获取细胞核区域的染色强度和阳性染色百分比特征，计算免疫组化评分结果。P53通常只在细胞核中表达，细胞质中的染色在阅片时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结直肠癌P53免疫组化图像自动评分系统，其特征在于，所述系统包括：染色通道分离模块，用于将结直肠癌P53免疫组化染色图通过颜色反卷积算法分离得到苏木素、DAB和残差通道；细胞核区域提取模块，用于将结直肠癌P53免疫组化染色图变换到hrd空间，使用最大类间方差法分割得到细胞核区域掩码，得到结直肠癌P53免疫组化染色图中细胞核区域染色图；有效组织区域提取模块，获取染色通道分离模块输出的DAB通道的染色图，通过LC显著性检测算法检测组织区域，再利用自适应二值化方法得到组织区域的二值化图像，并使用闭运算连接二值化图像中相邻区域获得组织区域掩模；免疫组化评分模块，用于提取原始结直肠癌P53免疫组化染色图的第一特征向量；基于细胞核区域提取模块输出的细胞核区域染色图及有效组织区域提取模块输出的组织区域掩模，利用注意力机制学习细胞核区域染色强度和阳性染色百分比，得到第二特征向量；将第一特征向量和第二特征向量进行拼接经全连接层输出得到免疫组化评分结果。2.根据权利要求1所述的结直肠癌P53免疫组化图像自动评分系统，其特征在于，所述细胞核区域分割模块通过log运算将结直肠癌P53免疫组化染色图先变换到光密度空间，再变换至hrd空间，获取hrd空间中苏木素通道的灰度图，使用最大类间方差法分割得到细胞核区域掩码，进而得到结直肠癌P53免疫组化染色图中细胞核区域染色图。3.根据权利要求2所述的结直肠癌P53免疫组化图像自动评分系统，其特征在于，从光密度空间变换为hrd空间的过程包括：利用染色剂在光密度空间RGB通道的光密度值进行变换，公式如下：x
hrd
＝M
‑1x
rgb
式中，x
hrd
为hrd空间下结直肠癌P53免疫组化染色图中的像素点，x
rgb
为光密度空间下结直肠癌P53免疫组化染色图中的像素点，矩阵M中每一行表示某种染色剂在RGB通道的光密度值。4.根据权利要求1所述的结直肠癌P53免疫组化图像自动评分系统，其特征在于，所述有效组织区域提取模块首先对染色通道分离模块输出的DAB通道的染色图通过gamma变换增强暗部区域，对暗部增强后的图像使用LC显著性检测算法检测有效组织区域，再利用自适应二值化方法得到组织区域的二值化图像，并使用闭运算连接二值化图像中相邻区域获得较为完整的组织区域掩模；设定连通域大小阈值，使用连通域检测得到组织区域掩模中各连通域的大小，去除误检测产生的小区域和/或组织内部的漏检区域，对组织区域掩模进行进一步优化。5.根据权利要求4所述的结直肠癌P53免疫组化图像自动评分系统，其特征在于，使用LC显著性检测算法检测有效组织区域的过程包括：计算每个像素到其他像素的欧式距离作为全局对比度，得到一个与原始图像大小相同的对比度矩阵，将所有像素的对比度均值作为阈值k，高于阈值k的像素灰度值设置为255，低于阈值k的像素灰度值设置为0，得到组织区域的二值化掩码。6.根据权利要求1所述的结直肠癌P53免疫组...

【专利技术属性】
技术研发人员：曹雨齐，张金波，侯迪波，张光新，
申请(专利权)人：浙江大学，
类型：发明
国别省市：