[发明专利]用于提升PD-L1免疫组化病理切片TPS计算准确度的方法及设备

权利要求书

1.用于提升PD-L1免疫组化病理切片TPS计算准确度的方法，其特征在于，包括：

步骤1，对PD-L1免疫组化病理切片进行数字化扫描，获取4X倍野下的数字病理全场图；

步骤2，将所述数字病理全场图灰度化，并使用中值滤波、高斯滤波进行平滑处理，去除尖锐噪声，利用灰度共生矩阵进行手工特征的提取；

步骤3，通过基于手工特征的无监督区域分割方法分割出所述数字病理全场图中的有效组织区域，具体地，利用最大类间阈值分割有效组织区域，使用高斯滤波平滑噪声，使用膨胀操作补齐空洞，得到完整的有效区域分割结果；

步骤4，在所述有效区域分割结果上进行细胞定位和分类，得到阳性肿瘤细胞和一次阴性肿瘤细胞；

步骤5，对所述一次阴性肿瘤细胞进行二次筛查，得到阴性肿瘤细胞；

步骤6，评估PD-L1免疫组化病理切片的TPS，TPS＝PD-L1阳性肿瘤细胞数/(阳性肿瘤细胞数+阴性肿瘤细胞数)x100％；

其中，所述步骤4中，采用细胞关键点定位模型提取细胞的细粒度特征及其上下文信息，进行细胞定位和分类，所述细胞关键点定位模型的训练包括：获取数字病理全场图样本数据，对样本数据进行数据扩充，样本数据上包括对数字病理图像中各类细胞的标注；

S101，通过截取patch的方式得到40X倍野下的样本数据的图像块，将截取的图像块作为深度卷积神经网络的输入，深度卷积神经网络包括残差网络、卷积层、批标准化层、激活层以及池化层；所述截取的图像块输入至残差网络进行特征提取，提取后得到多尺度语义特征；

S102，采用密集连接的方式对多尺度语义特征进行解码；

S103，经过解码得到与输入图像尺寸大小相同的特征图，对特征图使用sigmoid激活操作得到四个预测后的置信度图，累加四个预测后的置信度图的损失并求得平均值；

在训练过程中，深度卷积神经网络通过不断迭代进行参数更新，通过一定量拥有标注的目标域图像对每一代的模型及参数进行性能验证，评价指标包括细胞定位、分类准确率，召回率以及F1值，准确率、召回率、F1值越接近1表示当前模型及参数性能越优，最终将准确率、召回率、F1值最高的模型作为最优模型。

2.根据权利要求1所述的用于提升PD-L1免疫组化病理切片TPS计算准确度的方法，其特征在于，所述置信度图尺寸及维度为H×W×C，使用深度监督策略，结合交叉熵进行预测与标注直接的信息计算，并得到反向传播的梯度。

3.根据权利要求1所述的用于提升PD-L1免疫组化病理切片TPS计算准确度的方法，其特征在于，所述置信度图的损失L_k如下：

其中H,W表示图像的尺寸，j表示每幅图像中的第j个像素，C表示预测类别总数，y表示当前类别的标注值，p表示域不变特征经解码预测后得到的相应预测概率，L_k值越趋于0，表示细胞定位及分类结果越精确，k表示第k个预测层。

4.根据权利要求1所述的用于提升PD-L1免疫组化病理切片TPS计算准确度的方法，其特征在于，对所述一次阴性肿瘤细胞进行二次筛查，是指通过在所述图像块中截取以一次阴性肿瘤细胞中心点为中心，长宽各位32像素的小图像块，使用Xception分类网络，对所述小图像块进行分类，分类结果包括阴性肿瘤细胞、阴性淋巴细胞、阴性组织细胞以及纤维细胞。

5.一种电子设备，其特征在于，包括

处理器；以及

存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1-4中任一项所述的用于提升PD-L1免疫组化病理切片TPS计算准确度的方法。

6.一种计算机可读介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1-4中任一项所述的用于提升PD-L1免疫组化病理切片TPS计算准确度的方法。