[发明专利]一种预后特征可视化方法，系统、设备和存储介质

说明书

本发明提供一种预后特征可视化方法，系统、设备和存储介质，提供了分辨率高、细粒度特征多的预后特征可视化图像，用热图显示的方式直观的显示了病人生存风险相关的特征，增强了预后分析的可解释性，本方法包括以下步骤：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。

技术领域

本发明涉及医学图像处理技术领域，具体涉及一种预后特征可视化方法， 系统、设备和存储介质。

背景技术

随着全切片扫描仪技术的出现,大量的组织切片被扫描成数字图像,使得原 来的组织切片能够以数字化的形式表达和存储。通过计算机图像分析方法，可 以从影像和常规的组织病理切片中识别亚视觉图像特征更好地描述疾病，同时 运用适当图像可视化技术可以更好地预测患者的疾病的预后效果，从而发现更 多的预后相关的细粒度特征。

目前，癌症的病理诊断主要通过专业医生对病理图像进行分析来完成，由 于病理图像包含信息量大，医生很难注意到相关的细粒度特征。而且影响癌症 预后的因素很多，医生对于患者预后情况的判断需要考虑许多因素，情况比较 复杂，对于医生来说从一张癌症病理图像中发现并分析病人预后的相关信息是 十分困难的。

发明内容

本发明的目的是提供一种预后特征可视化方法，系统、设备和存储介质， 以实现分析病理图像细粒度预后特征的高分辨率热图生成。

为了达到上述目的，本发明一方面提供一种预后特征可视化方法，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，，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