[发明专利]一种脑胶质瘤分级评价方法及其装置

权利要求书

1.一种脑胶质瘤分级评价装置，其特征在于，包括：获取模块、识别模块和分级模块；

所述获取模块，用于获取目标患者的脑胶质瘤病理切片图像；

所述识别模块，用于基于神经网络技术，对所述脑胶质瘤病理切片图像进行识别，分别获得所述目标患者的所述脑胶质瘤病理切片图像对应的细胞密度、异型性细胞数量、血管壁增生面积和坏死组织总面积；

所述分级模块，用于根据所述细胞密度、所述异型性细胞数量、所述血管壁增生面积和所述坏死组织总面积生成一目标患者对应的病理情况标注信息，通过预先训练的支持向量机病理分级模型对所述病理情况标注信息进行分级，得到分级评价结果；

其中，所述识别模块还用于获取预设数量的细胞核标注信息作为密度训练数据，利用Mask R-CNN分割模型通过所述密度训练数据进行训练，得到分割细胞核深度学习模型，利用所述分割细胞核深度学习模型对所述脑胶质瘤病理切片图像进行识别，得到所述脑胶质瘤病理切片图像中的细胞总个数；并且，获取所述脑胶质瘤病理切片图像的总面积数，通过所述脑胶质瘤病理切片图像中的所述细胞总个数除以所述总面积数，计算得出所述细胞密度。

2.根据权利要求1所述的脑胶质瘤分级评价装置，其特征在于，所述识别模块还用于通过异型性细胞特征数据对xgboost模型进行训练，得到异型性细胞xgboost分类模型，通过所述异型性细胞xgboost分类模型对所述细胞总个数对应的每一个细胞进行分类，分别得到异型性细胞和非异型性细胞；并且，统计所述异型性细胞和所述非异型性细胞的个数，得到所述异型性细胞数量。

3.根据权利要求1所述的脑胶质瘤分级评价装置，其特征在于，所述识别模块还用于利用血管壁增生数据标记信息进行训练得到血管壁增生识别模型；并且，对所述脑胶质瘤病理切片图像依据预设倍数进行放大转换，得到放大图像；将所述放大图像切割成为多个1024×1024像素尺寸的图像识别单元，将每个所述图像识别单元分别输入所述血管壁增生识别模型进行识别，提取出其中存在血管壁增生的图像识别单元作为增生单元，并且，统计所述增生单元的数量，并根据每个增生单元所对应的1024×1024像素尺寸计算得到所述血管壁增生面积。

4.根据权利要求1所述的脑胶质瘤分级评价装置，其特征在于，所述识别模块还用于利用坏死组织标记信息进行训练得到坏死组织识别模型；并且，对所述脑胶质瘤病理切片图像依据预设倍数进行放大转换，得到放大图像；将所述放大图像切割成为多个1024×1024像素尺寸的图像识别单元，将每个所述图像识别单元分别输入所述坏死组织识别模型进行识别，提取出其中存在坏死组织的图像识别单元作为坏死单元；并且，统计所述坏死单元的数量，并根据每个坏死单元所对应的1024×1024像素尺寸计算得到所述坏死组织总面积。

5.根据权利要求1所述的脑胶质瘤分级评价装置，其特征在于，所述脑胶质瘤分级评价装置还包括：

输出认证模块，用于基于图像采集设备对进行分级评价的操作用户进行图像采集，得到身份认证图像，对所述身份认证图像进行特征定位、边缘检测和阈值分割，提取所述身份认证图像中的面部特征，利用预先训练的认证用户图像识别模型对所述身份认证图像对应的面部特征进行识别，以判断所述操作用户是否为已认证用户，若所述操作用户为已认证用户，则输出所述分级评价结果。

6.一种用户终端，其特征在于，包括存储器以及处理器，所述存储器用于存储脑胶质瘤分级评价程序，所述处理器运行所述脑胶质瘤分级评价程序以使所述用户终端执行如权利要求1-5中任一项所述脑胶质瘤分级评价装置中各个模块的功能。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有脑胶质瘤分级评价程序，所述脑胶质瘤分级评价程序被处理器执行时实现如权利要求1-5中任一项所述脑胶质瘤分级评价装置中各个模块的功能。