基于乳腺病理组织学的HER-2智能预测系统技术方案

本发明专利技术提供了基于乳腺病理组织学的HER

【技术实现步骤摘要】
基于乳腺病理组织学的HER
‑
2智能预测系统


[0001]本专利技术涉及智能预测
，特别涉及一种基于乳腺病理组织学的HER
‑
2智能预测系统。

技术介绍

[0002]目前，乳腺癌是我国女性发病率最高的癌种，人类表皮生长因子受体2(HER
‑
2)基因扩增是某些乳腺癌亚型发生、发展的主要驱动因素，它的评估结果具有重要的临床治疗意义，HER
‑
2基因主要用来指导靶向药物治疗，在临床诊断中，通过使用免疫组化方法来检测HER
‑
2基因的状态。
[0003]然而，在实际工作中，指南要求对所有乳腺原发性浸润性癌都进行HER
‑
2的检测，推荐检测方法为HER
‑
2蛋白表达水平的免疫组织化学法和基因扩增水平的原位杂交，并要求在内、外部质量控制良好的病理实验室进行。在我国，广大基层医院很多实验室不具备HER
‑
2检测条件，从而导致部分HER
‑
2阳性的患者不能得到及时、有效的靶向治疗。
[0004]因此，为了克服上述技术问题，本专利技术提供了一种基于乳腺病理组织学的HER
‑
2智能预测系统。

技术实现思路

[0005]本专利技术提供一种基于乳腺病理组织学的HER
‑
2智能预测系统，用以通过对第一层切片集进行训练学习，从而可以有效构建目标预测模型，进而准确实现乳腺癌HER
‑
2基因状态的预测，通过第二层切片集并使用双阈值策略(合适的阈值上界与下界设定)对目标预测模型进行校验能够以较高的敏感度与特异度筛出一定比例的样本，从而降低待医师诊断切片的数量，提高诊断效率、减轻病理医师工作负荷，并降低医疗成本。。
[0006]一种基于乳腺病理组织学的HER
‑
2智能预测系统，包括：
[0007]扫描模块，用于收集目标标本，并对目标标本进行数字切片扫描，获得数字病理切片，并确定数字病理切片的HER
‑
2基因状态；
[0008]分层模块，用于基于数字病理的HER
‑
2基因状态对数字病理切片进行随机分层，获得第一层切片集与第二层切片集；
[0009]模型训练校验模块，用于对第一层切片集进行学习，构建目标预测模型，同时，基于第二层切片集对目标预测模型进行双阈值校验，获得校验结果；
[0010]预测模块，用于当校验结果合格时，基于目标预测模型对待测数字病理切片进行预测，输出待测数字病理切片的目标HER
‑
2基因状态。
[0011]优选的，一种基于乳腺病理组织学的HER
‑
2智能预测系统，扫描模块，包括：
[0012]标本收集单元，用于在预设资料库中采集目标标本；
[0013]扫描单元，用于对目标标本做目标处理，并将处理后的目标标本基于数字切片扫描仪器进行数字切片扫描，获得数字病理切片；
[0014]基因状态获取单元，用于基于目标标准对处理后的目标标本进行HER
‑
2的基因状
态进行评估，确定数字病理切片的HER
‑
2基因状态。
[0015]优选的，一种基于乳腺病理组织学的HER
‑
2智能预测系统，状态获取单元，包括：
[0016]HER
‑
2基因状态包括：0、1+、2+、3+；
[0017]其中，当HER
‑
2基因状态为0和1+时，则目标标本的病理表达为阴性，当HER
‑
2基因状态为3+时，则目标标本的细胞病理表达为阳性，当HER
‑
2基因状态为2+时，则基于预设检测方式进一步验证HER
‑
2的基因扩增状态。
[0018]优选的，一种基于乳腺病理组织学的HER
‑
2智能预测系统，分层模块，包括：
[0019]状态读取单元，用于读取数字病理切片的HER
‑
2基因状态，确定目标标本的病理表达，其中，目标标本的病理表达包括：阳性、阴性；
[0020]标签添加单元，用于当目标标本的病理表达为阳性时，则将目标标本对应的数字病理切片添加第一标签，同时，当目标标本的病理表达为阴性时，则将目标标本对应数字病理切片添加第二标签；
[0021]分层单元，用于基于标签添加结果对数字病理切片进行随机分层，获得第一层切片集以及第二层切片集。
[0022]优选的，一种基于乳腺病理组织学的HER
‑
2智能预测系统，分层模块，包括：
[0023]预处理单元，用于在获取第一层切片集以及第二层切片集之后，对第一层切片集以及第二层切片集进行预处理；
[0024]其中，预处理单元，包括：
[0025]过滤子单元，用于基于预设算法对第一层切片集与第二层切片集对应的背景信息进行第一过滤；
[0026]所述过滤子单元，还用于基于预设装置对背景信息过滤后的第一层切片集与第二层切片集的无关组织进行第二过滤，确定第一层切片集与第二层切片集的有效组织，并基于有效组织确定目标第一层切片集与目标第二层切片集；
[0027]图像处理子单元，用于基于预设步长对目标第一层切片集与目标第二层切片集进行图像分割，并基于分割结果完成对第一层切片集与第二层切片集的预处理。
[0028]优选的，一种基于乳腺病理组织学的HER
‑
2智能预测系统，模型训练校验模块，包括：
[0029]划分单元，用于将第一层切片集中多个数字病理切片划分为第一学习集、第二学习集；
[0030]特征读取单元，用于对第一学习集中第一子数字病理切片进行特征读取，确定第一子数字病理切片的切片标签以及每个第一子数字病理切片对应的目标标本的第一轮廓特征数据以及第一分布特征数据；
[0031]第一目标网络构建单元，用于将第一子数字病理切片的切片标签以及每个第一子数字病理切片对应的目标标本的第一轮廓特征数据以及第一分布特征数据输入至预设学习模型中进行学习，并基于学习结果构建第一目标网路；
[0032]特征读取单元，还用于对第二学习集中第二子数字病理切片进行特征读取，确定第二子数字病理切片的切片标签以及每个第二子数字病理切片的对应目标标本的第二轮廓特征数据以及第二分布特征数据；
[0033]第二目标网络构建单元，用于将第二子数字病理切片的切片标签以及每个第二子
数字病理切片的对应目标标本的第二轮廓特征数据以及第二分布特征数据输入至预设学习模型中进行学习，并基于学习结果构建第二目标网络；
[0034]第三目标网络构建单元，用于确定第一目标网络与第二目标网络的网络差异，同时，基于网络差异在第一目标网络中进行更新，获得第三目标网络；
[0035]模型构建单元，用于基于第三目标网络构建目标预测模型。
[0036]优选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于乳腺病理组织学的HER
‑
2智能预测系统，其特征在于，包括：扫描模块，用于收集目标标本，并对目标标本进行数字切片扫描，获得数字病理切片，并确定数字病理切片的HER
‑
2基因状态；分层模块，用于基于数字病理的HER
‑
2基因状态对数字病理切片进行随机分层，获得第一层切片集与第二层切片集；模型训练校验模块，用于对第一层切片集进行学习，构建目标预测模型，同时，基于第二层切片集对目标预测模型进行双阈值校验，获得校验结果；预测模块，用于当校验结果合格时，基于目标预测模型对待测数字病理切片进行预测，输出待测数字病理切片的目标HER
‑
2基因状态。2.根据权利要求1所述的一种基于乳腺病理组织学的HER
‑
2智能预测系统，其特征在于，扫描模块，包括：标本收集单元，用于在预设资料库中采集目标标本；扫描单元，用于对目标标本做目标处理，并将处理后的目标标本基于数字切片扫描仪器进行数字切片扫描，获得数字病理切片；基因状态获取单元，用于基于目标标准对处理后的目标标本进行HER
‑
2的基因状态进行评估，确定数字病理切片的HER
‑
2基因状态。3.根据权利要求1所述的一种基于乳腺病理组织学的HER
‑
2智能预测系统，其特征在于，状态获取单元，包括：HER
‑
2基因状态包括：0、1+、2+、3+；其中，当HER
‑
2基因状态为0和1+时，则目标标本的病理表达为阴性，当HER
‑
2基因状态为3+时，则目标标本的细胞病理表达为阳性，当HER
‑
2基因状态为2+时，则基于预设检测方式进一步验证HER
‑
2的基因扩增状态。4.根据权利要求1所述的一种基于乳腺病理组织学的HER
‑
2智能预测系统，其特征在于，分层模块，包括：状态读取单元，用于读取数字病理切片的HER
‑
2基因状态，确定目标标本的病理表达，其中，目标标本的病理表达包括：阳性、阴性；标签添加单元，用于当目标标本的病理表达为阳性时，则将目标标本对应的数字病理切片添加第一标签，同时，当目标标本的病理表达为阴性时，则将目标标本对应数字病理切片添加第二标签；分层单元，用于基于标签添加结果对数字病理切片进行随机分层，获得第一层切片集以及第二层切片集。5.根据权利要求1所述的一种基于乳腺病理组织学的HER
‑
2智能预测系统，其特征在于，分层模块，包括：预处理单元，用于在获取第一层切片集以及第二层切片集之后，对第一层切片集以及第二层切片集进行预处理；其中，预处理单元，包括：过滤子单元，用于基于预设算法对第一层切片集与第二层切片集对应的背景信息进行第一过滤；所述过滤子单元，还用于基于预设装置对背景信息过滤后的第一层切片集与第二层切
片集的无关组织进行第二过滤，确定第一层切片集与第二层切片集的有效组织，并基于有效组织确定目标第一层切片集与目标第二层切片集；图像处理子单元，用于基于预设步长对目标第一层切片集与目标第二层切片集进行图像分割，并基于分割结果完成对第一层切片集与第二层切片集的预处理。6.根据权利要求1所述的一种基于乳腺病理组织学的HER
‑
2智能预测系统，其特征在...

【专利技术属性】
技术研发人员：钟定荣，王书浩，
申请(专利权)人：北京透彻未来科技有限公司，
类型：发明
国别省市：