[发明专利]一种预后特征可视化方法，系统、设备和存储介质

权利要求书

1.一种预后特征可视化方法，其特征在于，包括以下步骤：

获取患者病理图像，所述病理图像包括在不同组织区域随机采样的局部切片图像；

将随机采样的病理图像输入经过训练的预后风险分析模型，获取与病理图像对应的具有预后风险特征的热图；

将所述热图叠加到病理图像上生成具有可视化预后风险特征的图像。

2.如权利要求1所述的一种预后特征可视化方法，其特征在于，所述预后风险分析模型包括卷积神经网络和Cox模型，其中：

所述卷积神经网络对病理图像中不同组织区域随机采样的局部切片图像进行分析，获取病理图像中的细粒度特征；

所述Cox模型作为卷积神经网络的隐藏层，用以模拟患者一段时间内的生存概率。

3.如权利要求2所述的一种预后特征可视化方法，其特征在于，还包括卷积神经网络对病理图像的分析过程中，包括以下步骤：

基于卷积神经网络中多层卷积块对病理图像进行卷积计算，基于卷积计算结果提取预后风险特征并输出特征图；

基于卷积神经网络中全连接层的权重和特征图相乘以获取激活图；

采用最大最小归一化算法对激活图进行归一化计算，以排除激活图中异常值的影响；

采用线性差值算法将激活图放大，通过opencv中COLORMAP_JET方法将激活图转化为具有不同颜色分布的热图。

4.如权利要求3所述的一种预后特征可视化方法，其特征在于，所述激活图的计算过程包括：

其中，f_k(x,y)代表特征图的第k层，w_k代表第k层对应的权重，S为激活图。

5.如权利要求3所述的一种预后特征可视化方法，其特征在于，所述激活图的归一化计算过程中，包括：

根据激活图进行直方图计算，根据直方图计算结果确定归一化的上限值和下限值，归一化计算的具体计算过程包括：

x^*＝1,whenx^*1；x^*＝0,whenx^*0

6.如权利要求3所述的一种预后特征可视化方法，其特征在于，所述线性差值算法对激活图进行放大计算的具体过程，包括：

其中，Q_11＝(x_1,y_1),Q_21＝(x_2,y_1),Q_12＝(x_1,y_2),Q_22＝(x_2,y_2)为图像中相邻的4个已知点。

7.如权利要求1所述的一种预后特征可视化方法，其特征在于，在所述热图的叠加过程中，包括以下步骤：

将所述热图映射到对应组织区域的局部切片图像；

将热图进行透明化处理以在病理图像上显示预后风险特征。

8.一种预后特征可视化系统，其特征在于，包括：

图像获取模块，用以获取患者病理图像，所述病理图像包括在不同组织区域随机采样的局部切片图像；

热图生成模块，用以将将随机采样的病理图像输入经过训练的预后风险分析模型，获取与病理图像对应的具有预后风险特征的热图；

可视化生成模块，用以将将述热图叠加到病理图像上生成具有可视化预后风险特征的图像。

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。

10.一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存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1至6中任一项所述方法的步骤。