一种基于深度学习的PD-L1表达的联合阳性分数获取方法及系统技术方案

本发明专利技术涉及医疗图像处理识别技术领域，尤其是涉及一种基于深度学习的PD‑L1表达的联合阳性分数获取方法及系统；本发明专利技术计算PD‑L1表达的联合阳性分数时，分别采用肿瘤细胞识别模型识别出肿瘤细胞，采用免疫细胞识别模型识别免疫细胞，然后在采用对应模型识别对应细胞时，根据对应细胞的识别特点，采用不同的图像预处理方式；不同模型以及不同图像预处理方式，提高了肿瘤细胞和免疫细胞识别的准确度；同时，由于数字化切片图像像素较大，包含信息较多，将数字化切片图像分割成固定像素大小的小图，然后分别将小图输入至模型中，相较于直接将数字化切片图像输入至模型中，可有效提高细胞识别的准确度。

【技术实现步骤摘要】

本专利技术涉及医疗图像处理识别，尤其是涉及一种基于深度学习的pd-l1表达的联合阳性分数获取方法及系统。

技术介绍

1、研究表明，肿瘤组织中pd-l1的表达水平与hnscc的ici治疗疗效密切相关，是目前最实用有效的预测标志物。通过计数pd-l1表达的联合阳性分数（combined positivescore，cps）是筛选晚期hnscc患者ici免疫治疗指征的关键指标，并已纳入nccn指南推荐的临床病理常规检测项目。

2、pd-l1的标准化检测已在国内外许多病理科室中逐渐开展，染色结果通过病理医师半定量判读方式对联合阳性分数cps进行评估，以指导hnscc患者免疫治疗获益人群筛选。由于pd-l1可在肿瘤细胞及多种免疫细胞中表达，阳性表达模式复杂，因此对pd-l1染色结果的判读具有很大的挑战性。多个实践研究表明，临床病理医师对pd-l1判读的一致性及可重复性均不足，且判读耗时费力。目前各个公司ici药物采用的pd-l1抗体并不一致且不同克隆号的pd-l1染色模式也略有差异，导致彼此pd-l1检测方式及判读标准也存在差别。p>

3、现有技本文档来自技高网...

【技术保护点】

1.一种基于深度学习的PD-L1表达的联合阳性分数获取方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于深度学习的PD-L1表达的联合阳性分数获取方法，其特征在于，所述S1具体为：对样本使用数字切片扫描设备进行全切片扫描，从而得到数字化切片图像。

3.根据权利要求1所述的基于深度学习的PD-L1表达的联合阳性分数获取方法，其特征在于，所述S2中，所述第一图像预处理操作具体为：对所述数字化切片图像进行固定步长图像分割操作，将所述数字化切片图像分割成若干个256×256×3像素的数字化切片图像小图。

4.根据权利要求1所述的基于深度学习...

【技术特征摘要】

1.一种基于深度学习的pd-l1表达的联合阳性分数获取方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于深度学习的pd-l1表达的联合阳性分数获取方法，其特征在于，所述s1具体为：对样本使用数字切片扫描设备进行全切片扫描，从而得到数字化切片图像。

3.根据权利要求1所述的基于深度学习的pd-l1表达的联合阳性分数获取方法，其特征在于，所述s2中，所述第一图像预处理操作具体为：对所述数字化切片图像进行固定步长图像分割操作，将所述数字化切片图像分割成若干个256×256×3像素的数字化切片图像小图。

4.根据权利要求1所述的基于深度学习的pd-l1表达的联合阳性分数获取方法，其特征在于，所述第二图像预处理操作为：对所述数字化切片图像小图进行滤波操作；所述第三图像预处理操作具体为：对所述数字化切片图像小图进行图像对比度增强操作。

<...

【专利技术属性】
技术研发人员：张艳辉，孙燕，程润芬，王洋，赵纲，
申请(专利权)人：天津市肿瘤医院天津医科大学肿瘤医院，
类型：发明
国别省市：