【技术实现步骤摘要】
本专利技术涉及肿瘤图像分析，具体为基于切片图像的胸部肿瘤预后深度学习方法、系统及存储介质。
技术介绍
1、肿瘤预后一般是根据临床数据推测肿瘤患者的治疗有效率以及生存时间的意思；肿瘤考虑与原癌基因激活、抑癌基因失活等因素有关，会导致机体细胞异常增生在身体局部形成肿块。一般需要在医生指导下进行相关检查，以便明确具体情况，医生通常会通过此类临床数据推测患者的治疗有效率，也可以评估患者的生存时间，此时则为预后。
2、现有的基于切片图像对胸部肿瘤预后方面的改进，通常是通过建立模型并使用切片图像对模型进行训练从而对肿瘤预后进行评估，比如在申请公开号为cn115294129a的中国专利中，公开了肿瘤免疫治疗预后评估方法、装置、电子设备及存储介质，该方案就是通过建立肿瘤免疫治疗疗效预测模型，实现对患者的肿瘤免疫治疗预后的有效评估，其他的基于切片图像对胸部肿瘤预后方面的改进，通常是对于特定的肿瘤进行特定的肿瘤治疗预后的预测，而在对胸部肿瘤预后的改进方面，现有技术中缺少对胸部肿瘤的切片图像中的细胞进行分析的改进，这会导致在使用现有方法对胸部肿瘤的切片图像进行特征提取时，会对切片图像中的细胞缺少更加深度的提取方法，从而无法更加全面地对肿瘤预后进行评估，影响整体的评估精准性，鉴于此，有必要对现有的基于切片图像的胸部肿瘤预后深度学习方法进行改进。
技术实现思路
1、本专利技术旨在至少在一定程度上解决现有技术中的技术问题之一，通过提出基于切片图像的胸部肿瘤预后深度学习方法、系统及存储介质，用于解决
2、为实现上述目的，第一方面，本专利技术提供基于切片图像的胸部肿瘤预后深度学习方法，包括：
3、获取常规胸部的切片图像以及病变胸部肿瘤的切片图像，并获取病变胸部肿瘤对应的肿瘤预后，记为病变标准预后；
4、将病变胸部肿瘤的切片图像与常规胸部的切片图像进行比对，并基于比对结果设置基础判断模型；
5、对基础判断模型进行优化，使用优化后的基础判断模型对患者的胸部肿瘤的切片图像进行分析，并基于分析结果获取肿瘤预后。
6、进一步地，获取常规胸部的切片图像以及病变胸部肿瘤的切片图像，并获取病变胸部肿瘤对应的肿瘤预后，记为病变标准预后包括：
7、获取常规胸部肿瘤的切片图像，依次记为常规比对图片1至常规比对图片m；
8、获取病变胸部肿瘤的切片图像，依次记为病变比对图片1至病变比对图片n，其中，常规胸部的切片图像为在正常情况下胸部的a区域的切片图像，病变胸部肿瘤的切片图像为胸部的a区域在发生病变的情况下的切片图像，a区域为胸部区域以内的任意一个区域；
9、对于任意一个病变比对图片n1，获取病变比对图片n1的肿瘤预后，记为病变预后n1，其中，肿瘤预后包括治疗有效率以及生存时间；
10、获取所有病变比对图片的病变预后，并依次记为病变预后1至病变预后n。
11、进一步地，将病变胸部肿瘤的切片图像与常规胸部的切片图像进行比对，并基于比对结果设置基础判断模型包括：
12、对所有常规比对图片进行分组处理，并基于分组结果在病变比对图片中获取病变对照组；
13、使用细胞分析法对所有常规比对组和病变对照组进行分析，并基于处理结果获取每个常规比对组的病变判断参数；
14、基于所有病变判断参数建立基础判断模型。
15、进一步地，对所有常规比对图片进行分组处理，并基于分组结果在病变比对图片中获取病变对照组包括：
16、对于所有常规比对图片中的任意一个常规比对图片m1，获取常规比对图片m1的图像对应的胸部区域的位置，记为常规位置m1；获取所有常规比对图片的常规位置，建立多个用于存储图片的图片组，将相同常规位置的常规比对图片放在同一组中；
17、将得到的所有存有图片的图片组依次记为常规比对组1至常规比对组j；
18、对于常规比对组1至常规比对组j中的任意一个常规比对组j1，将常规比对组j1中的图像对应的胸部区域的位置记为常规比对组j1的矛点位置j1；
19、对于病变比对图片1至病变比对图片n中的任意一个病变比对图片n1，当病变比对图片n1的图像对应的胸部区域的位置为矛点位置j1时，将病变比对图片n1记为常规比对组j1的病变判断图片；
20、将所有病变比对图片中的常规比对组j1的病变判断图片放入一个图片组中，记为常规比对组j1的病变对照组；
21、获取所有常规比对组的病变对照组。
22、进一步地，细胞分析法包括：
23、获取多个已被记录参数的常规胸部的切片图像，并记为参数提取图像1至参数提取图像l；对于任意一个参数提取图像l1，获取参数提取图像l1中细胞所在的区域，记为胸部细胞区域，对胸部细胞区域进行灰度化处理以及像素化处理，并获取被处理后胸部细胞区域的多个像素点的灰度值的众数，记为参数提取图像l1的细胞灰度值；获取所有参数提取图像的细胞灰度值，并依次记为细胞灰度值1至细胞灰度值l，获取所有细胞灰度值的最大值，记为上限灰度值；
24、对于任意一个常规比对组j1中的任意一个常规比对图片，对常规比对图片进行灰度化处理，将灰度化处理后的常规比对图片记为灰度比对图片；对灰度比对图片进行像素化处理，将像素化处理后的灰度比对图片记为像素比对图片；
25、对于像素比对图片中的任意一个像素点k1，当像素点k1的灰度值小于等于上限灰度值时，将像素点k1记为细胞像素点；当像素点k1的灰度值大于上限灰度值时，将像素点k1记为边部像素点；
26、获取所有细胞像素点在像素比对图片中构成的区域，并依次记为细胞区域1至细胞区域q；
27、对像素比对图片进行二值化处理，并基于二值化处理后的像素比对图片使用细胞轮廓提取法获取像素比对图片中的所有待标记轮廓；
28、当像素比对图片中的任意一个待标记轮廓处于任意一个细胞区域内部时，将待标记轮廓记为细胞轮廓；获取所有细胞轮廓并依次记为细胞轮廓1至细胞轮廓q；
29、获取细胞轮廓1至细胞轮廓q中的任意一个细胞轮廓q1，获取细胞轮廓q1对应的图形的几何中心，记为细胞轮廓q1的中心点；获取所有细胞轮廓的中心点；对于任意一个细胞轮廓的中心点q1，将距离中心点q1最近的p个中心点记为中心点q1的邻近中心点；
30、将中心点q1分别与所有邻近中心点相连，并将所有连线记为邻近线1至邻近线p；对于任意一个邻近线p1，获取邻近线p1与左右两边最近的邻近线构成的夹角，分别记为邻近夹角p1~1和邻近夹角p1~2，获取邻近夹角p1~1和邻近夹角p1~2的平均值，记为邻近线p1的平均邻近度数；
31、获取所有本文档来自技高网...
【技术保护点】
1.基于切片图像的胸部肿瘤预后深度学习方法，其特征在于，包括：
2.根据权利要求1所述的基于切片图像的胸部肿瘤预后深度学习方法，其特征在于，获取常规胸部的切片图像以及病变胸部肿瘤的切片图像，并获取病变胸部肿瘤对应的肿瘤预后，记为病变标准预后包括：
3.根据权利要求2所述的基于切片图像的胸部肿瘤预后深度学习方法，其特征在于，将病变胸部肿瘤的切片图像与常规胸部的切片图像进行比对，并基于比对结果设置基础判断模型包括：
4.根据权利要求3所述的基于切片图像的胸部肿瘤预后深度学习方法，其特征在于，对所有常规比对图片进行分组处理，并基于分组结果在病变比对图片中获取病变对照组包括：
5.根据权利要求4所述的基于切片图像的胸部肿瘤预后深度学习方法，其特征在于，细胞分析法包括：
6.根据权利要求5所述的基于切片图像的胸部肿瘤预后深度学习方法，其特征在于，细胞轮廓提取法包括：
7.根据权利要求6所述的基于切片图像的胸部肿瘤预后深度学习方法，其特征在于，基于所有病变判断参数建立基础判断模型包括：
8.根据权利要求7所述
9.适用于权利要求1-8任意一项所述的基于切片图像的胸部肿瘤预后深度学习方法的系统，其特征在于，包括图像获取模块、判断模型建立模块以及优化分析模块：
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，运行如权利要求1-8任一项所述方法中的步骤。
...【技术特征摘要】
1.基于切片图像的胸部肿瘤预后深度学习方法，其特征在于，包括：
2.根据权利要求1所述的基于切片图像的胸部肿瘤预后深度学习方法，其特征在于，获取常规胸部的切片图像以及病变胸部肿瘤的切片图像，并获取病变胸部肿瘤对应的肿瘤预后，记为病变标准预后包括：
3.根据权利要求2所述的基于切片图像的胸部肿瘤预后深度学习方法，其特征在于，将病变胸部肿瘤的切片图像与常规胸部的切片图像进行比对，并基于比对结果设置基础判断模型包括：
4.根据权利要求3所述的基于切片图像的胸部肿瘤预后深度学习方法，其特征在于，对所有常规比对图片进行分组处理，并基于分组结果在病变比对图片中获取病变对照组包括：
5.根据权利要求4所述的基于切片图像的胸部肿瘤预后深度学习方法，其特征在于，细胞分析法包括：
6....
【专利技术属性】
技术研发人员：刘仁旺，高永昌，李明彪，胡子轩，
申请(专利权)人：天津医科大学总医院，
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。