【技术实现步骤摘要】
软组织肿瘤病理自动评分方法及系统
[0001]本专利技术涉及图像处理
,具体为软组织肿瘤病理自动评分方法及系统。
技术介绍
[0002]近年来,软组织肿瘤的发病率不断攀升,目前已知的病理组织学类型已有百余种。软组织肿瘤的命名体系复杂,不同类型肿瘤之间常有相似的组织形态学,通常需要大量的免疫组织化学染色以及分子检测辅助判断,这些都给病理医生带来巨大的挑战,给患者带来过度的经济负荷,也容易延误临床病情和处置。从根本上,对于一个软组织肿瘤是良性还是恶性的区分,直接关系到外科手术的策略、患者的预后和随诊,以及系统化治疗的选择,这些都需要病理医生在初诊观察苏木精伊红(H&E)染色组织切片时,即做出相对明确的诊断方向。但是,大部分病理医生对软组织肿瘤的诊断经验远远不足,对手术切除标本H&E染色切片下的形态特征识别及切缘情况判断不够准确,对术前小活检标本和术中冰冻标本的形态学特征更是难以清晰区分。当下,迫切需要高鲁棒性和准确性的人工智能算法模型来辅助病理医生诊断。本专利技术即针对软组织肿瘤病理切片实现多组织学类型的良恶性自动评分,辅助病理医生提升诊断效率和精度。
技术实现思路
[0003]本专利技术提供了一种软组织肿瘤病理自动评分方法及系统,其特征在于,所述方法包括:
[0004]步骤1,准备有特征代表性的软组织肿瘤的良恶性病例,构建模型训练所需的数据集S
in
;
[0005]步骤2,基于数据集S
in
及对应的良恶性信息训练深 ...
【技术保护点】
【技术特征摘要】
1.软组织肿瘤病理自动评分方法及系统,其特征在于,所述方法包括以下步骤:步骤1,准备有特征代表性的软组织肿瘤的良恶性病例,构建模型训练所需的数据集S
in
。步骤2,基于数据集S
in
及对应的良恶性信息训练深度学习模型M。步骤3,准备目标测试的软组织肿瘤病例,并计算其前景图谱F,具体为:将高分辨率的待测软组织肿瘤病理数字图像X降采样至合适的分辨率,通过二值化算法过滤掉大面积无组织背景,得到低分辨率的前景图谱,而后映射到高分辨率图像,得到与病理数字图像X等尺寸的前景图谱F。步骤4,计算目标病例的滑窗图像块x的前景占比F(x),并基于深度学习模型M计算图像块的恶性得分M(x)。步骤5,计算不同模式(大肿瘤良恶性对比评分/小肿瘤恶性评分)下的病理数字全切片的良恶性评分并输出软组织肿瘤的诊断结果,具体为:将步骤4中推理所得的每一个图像块x的良恶性度量结果M(x)通过归一化函数约束到取值范围[0,1],得到N[M(x)]。所述大肿瘤良恶性对比评分模式,包括:针对待测目标切片X所裁剪的若干个小尺寸图像块x,计算较大肿瘤全切片的良恶性区域对比评分肿瘤全切片的良恶性区域对比评分S
STT
‑1>0,S
STT
‑1取值越大表示包含恶性肿瘤可能性越大且恶性肿瘤在切片中的面积占比越大。所述小肿瘤恶性可能性评分模式,包括:针对待测目标切片X所裁剪的若干个小尺寸图像块x,将N[M(x)]大于阈值t图像块视为正样本,其余视为负样本,获得正样本连通域集合Set(C),假设Set(C)中每一个连通域C包含N
STT
‑2个小尺寸图像块,计算每一个连通域C的恶性肿瘤评分而后较小肿瘤全切片的恶性肿瘤存在可能性评分为S
STT
‑2=max[S
STT
‑2(C)],S
STT
‑2∈[0,100%],S
STT
‑2取值越大表示包含恶性肿瘤可能性越大。2.如权利要求1所述的软组织肿瘤病理自动评分方法及系统,其特征在于,在步骤1中,所述准备有特征代表性的软组织肿瘤的良恶性病例,构建模型训练所需的数据集S
in
,具体为:选择具有特征代表性的良恶性软组织肿瘤病例组织若干,石蜡包埋或者冰冻后进行切片,使用苏木精伊红等染料染色,通过扫描仪扫描获取多级倍率的病理数字图像若干,而后在肿瘤内部以一定步长有重叠地裁剪边长为l的图像块x,良性肿瘤的N
b
张图像块构成良性数据集恶性肿瘤的N
m
张图像块构成恶性数据集良恶性数据集共同构成模型训练所需的数据集S
in
=S
be
∪S
ma
,每个图像块的标签与所属软组织肿瘤的组织学类型一致。3.如权利要求1所述的软组织肿瘤病理自动评分方法及系统,其特征在于,在步骤2中,所述基于数据集S
in
及对应的良恶性信息训练深度学习模型M,具体为:以步骤1中的数据集S
in
中的图像块为输入信息,以图像块对应的标签为监督信息,选择合适的损失函数和深度学习网络结构,训练深度学习模型,得到收敛后的推理模型M,用于度量与训练过程中使用的两个良恶性数据集的相似程度。
4.如权利要求1所述的软组织肿瘤病理自动评分方法及系统,其特征在于,在步骤3中,所述准备目标测试的软组织肿瘤病例,计算目标测试病例的前景图谱F,具体为:选择目标测试的软组织肿瘤...
【专利技术属性】
技术研发人员:孟竹,郭丽梅,赵志诚,
申请(专利权)人:北京大学第三医院北京大学第三临床医学院,
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。