[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

说明书

本发明公开一种基于乳腺淋巴结全景图像计算的自动分期系统，属于医学图像信息处理技术领域。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。可有效解决依靠病理专家凭经验检判断乳腺癌分期时耗时、费力、误差较高等问题。

技术领域

本发明涉及一种基于乳腺淋巴结全景图像计算的自动分期系统，属于医学图像信息处理技术领域。

背景技术

乳腺癌是全世界女性发病率最高的恶性肿瘤，其死亡率为6%左右，仅次于死亡率最高的肺癌。据中美两国最新的癌症统计报告，与其他的恶性肿瘤相比，乳腺癌预后较好，如果能够做到早发现、早诊断、早治疗,治愈率可达96%以上。转移是癌症诊治中最为重要的预后因子，其中淋巴结癌转移是肿瘤最常见的转移方式,是指癌细胞从原发病灶冲破了肿瘤癌巢的限制，穿过淋巴管壁而扩散到淋巴结，并且以淋巴结为中心生长出肿瘤的现象。如果在前哨淋巴结中出现了癌细胞就表示肿瘤已经扩散到乳腺以外，这种现象称为癌转移。淋巴结癌转移的状态(出现或者消失)是乳腺癌患者非常重要的预后因子。淋巴结呈阳性数量越多，癌症的恶性程度就越高，患者的预后也就越差。淋巴结中癌转移的程度可以通过淋巴结转移类型来判断。淋巴结转移类型分为三种：孤立癌细胞簇(ITCs)、微转移和宏转移。

医生通常采用分期系统对患者的癌症恶性程度给定一个癌症等级的分期值。目前国际上公认的能够全面反映恶性肿瘤进展、判断预后的独立指标是由美国癌症联合会（AJCC）提出的 TNM 分期系统。淋巴结转移的组织学评估(N期)是乳腺癌分期系统最重要的预后因素之一，通过判断乳腺癌患者癌转移程度，可以对患者癌症扩散程度进行分类从而帮助患者选择合理的治疗方案并获得预后信息。在该系统中，N反映了肿瘤原发灶附近的淋巴结癌转移的状态，即如果没有检测到任何一个淋巴结发生转移，则N的设定值为0，反之，N就综合发生了癌转移的淋巴结数量，以及相应的淋巴结中癌转移程度的高低赋予一个大于0的整数值。根据pN分期系统判断该患者癌转移扩散到淋巴结的程度。pN分期主要由pN0、pN0(i+)、pN1mi、pN1、pN2五期组成，从低到高分别对应着转移的严重程度：

1、pN0：没有任何癌转移出现；

2、pN0(i+)：只有孤立癌细胞簇；

3、pN1mi：发现微转移，但是没有宏转移；

4、pN1：发现1-3个淋巴结转移，至少一个是宏转移；

5、pN2：发现4-9个淋巴结转移，至少有一个是宏转移；

目前在临床中，乳腺癌淋巴结转移的检测过程是由病理医生根据他们的经验，通过肉眼在显微镜下逐一分析约10亿像素的组织病理切片中是否存在转移区域及其对应的转移类型。病理医生进行疾病诊断依靠的主要工具就是显微镜，显微镜的缺点是缺少标准化、容易诊断错误、需要人工识别切片目镜视野中数百万的细胞。人工分析除了具有繁琐、耗时、费力的缺点外，还具有较强的主观性，容易受医生的经验和环境因素的影响，不同的病理医生在人工分析上可能具有较大的差异性。另外，经过淋巴结清扫的乳腺癌患者通常都包含20张以上的淋巴结切片，因此病理医生在这个方面的工作量和强度可想而知。

随着计算机视觉、机器学习等人工智能技术，特别是深度学习的快速发展，以及数字化全切片扫描仪技术的快速发展，通过对切片快速数字化得到高质量的全扫描组织病理图像，不仅便于保存，而且使得运用人工智能技术分析数字化的切片成为了可能。一个高效准确的针对乳腺癌患者癌转移的自动分期系统，可以减少漏诊和误诊并降低过度治疗和治疗不当的发生概率，最终辅助医生制定最优的临床治疗方案，这对于临床医生和患者均具有重要的意义。

发明内容