[发明专利]一种基于乳腺淋巴结全景图像计算的自动分期系统

权利要求书

1.一种基于乳腺淋巴结全景图像计算的自动分期系统，其特征在于：首先进行高效准确的淋巴结癌转移区域分割，对全景数字病理图片进行预处理，分割分淋巴结癌转移区域，提取有组织区域，去除白色背景区域，根据标注的淋巴结癌转移区域，建立深度卷积网络所需两种正负样本，通过训练深度卷积网络，得出分类正负样本所需要的模型，再将图像组织区域内的每个块送入模型得出其所在位置发生癌转移的概率，建立起概率热值图；然后按淋巴结癌转移的分割区域提取病理组学特征，训练随机森林分类器，构建淋巴结转移状态的自动分类模型，综合同一患者多张淋巴结癌转移的状态构建分期系统；所述自动分期系统的方法的具体步骤如下：

（1）高效准确的淋巴结癌转移区域分割

（1.1）全景扫描病理图像的预处理：首先提取目标区域，利用Otsu阈值法将全景扫描病理图像在低倍分辨率下排除白色背景区域，然后将低倍镜下有组织的区域对应在全扫描40镜倍下的目标区域提取出来；

（1.2）获取训练样本：由拥有专业病理知识的临床医生在大幅切片图像中标记癌转移区域，然后程序提对正常区域和转移区域进行取块，得到大小相同，边长都为256个像素的图像模块，并且通过旋转、镜像以及颜色反卷积数据增强；如果图像模块位于转移部分，则标记为正样本1；如果位于正常部分，则标记为负样本0；

（1.3）训练和构建深度模型：采用深度卷积网络（DCNN）模型，将步骤（1.2）中得到的训练集作为DCNN的输入，经过迭代，测试测试集的损失及分类准确率，调整神经网络的权值，最后获得一个准确率较高、损失值较小的权值系数，得到一个存储网络权值系数的深度模型；

（1.4）进行后处理：以滑动窗的形式将每个块送入步骤（1.3）的深度卷积网络模型中，得出每个块所在位置发生癌转移的概率，然后建立一个概率热值图，即根据块所在位置得出组织区域是否是癌转移概率热值图；

（2）根据分割的癌转移区域构建分期系统

（2.1）根据淋巴结癌转移的分割区域提取基于形状、致密度、矩、粒度与人类阐释相一致的病理组学特征，即从概率热值图提取特征向量；

（2.2）根据步骤（2.1）中提取的所有乳腺淋巴结训练和测试集的病理组学特征，训练随机森林分类器，构建淋巴结转移状态的自动分类模型；

（2.3）综合每一个患者所有淋巴结转移状态，训练决策树分类器，构建淋巴结转移分期系统。