[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

说明书

本申请公开了一种用于提升PD‑L1免疫组化病理切片TPS计算准确度的方法，通过基于手工特征的无监督区域分割方法有效分割出PD‑L1免疫组化病理切片中的目标区域（有效组织区域），在区域约束的基础上，采用有效挖掘细胞细粒度特征及上下文信息的细胞关键点定位方法进行细胞定位和分类，采用阴性肿瘤细胞再分类方法对阴性肿瘤细胞进行二次筛查，从而实现对PD‑L1切片进行精确自动辅助分析，采用本申请进行细胞定位和分类的结果更加有效，能够准确统计出数字病理图像中的阴性肿瘤细胞数，对于提升PD‑L1免疫组化病理切片的TPS指标的精度和准确性更加有效。

技术领域

本发明涉及病理图像处理领域，特别是涉及一种用于提升PD-L1免疫组化病理切片TPS计算准确度的方法及设备。

背景技术

病理诊断是研究疾病发生的原因，发病机制，以及疾病过程中患病机体的形态结构，功能代谢改变与疾病的转归，从而为疾病的诊断、治疗、预防提供必要的理论基础和实践依据。非小细胞肺癌患者无论腺癌、鳞癌，均应开展PD-L1免疫组化检测、评级。所谓的评级是指在整张PD-L1免疫组化病理切片上寻找并计数阳性肿瘤细胞与阴性肿瘤细胞，并准确计算肿瘤比例分值(Tumor Proportion Score,TPS)。TPS为PD-L1切片中阳性肿瘤细胞数与总的肿瘤细胞数的比值。值得注意的是，在病理诊断中，肿瘤比例分值TPS仅是作为病理医生为肿瘤患者进一步选择治疗方案所需的一个中间结果，肿瘤比例分值TPS与疾病的诊断结果或健康状况之间没有必然的联系。

目前，PD-L1免疫组化病理切片TPS分析需要经过专门培训的病理医生在显微镜下逐个寻找可疑性组织区域，而后根据自己累积的专业知识完成TPS分值估计。然而在此过程中，存在诸多挑战使得病理医生的工作变得艰难。具体挑战详述如下：

(1)目前病理科的染色片量面临每年15％以上的增长。医生每天的工作负荷大大增加。同时一张病理切片通常包含数百万个细胞，而且一名病理医生一天通常需要分析多张数字病理切片，这给医生带来了很大的工作强度，疲劳阅片的现象也时有发生。

(2)在切片分析过程中，肿瘤细胞与非肿瘤细胞之间存在一定的相似性，例如阳性肿瘤细胞与免疫相关细胞的细胞膜均被染为棕褐色，由于细胞级的细粒度特征难以区分它们，使得病理医生的细胞判读工作变得异常艰难，所以，PD-L1临床判读是需要经过特定的培训之后才可以进行的，即使是这样，由于病理医生需要在高倍野下对细胞进行精确计数，而局部视野内缺乏丰富的上下文信息导致假阳、假阴现象时有发生。如图1所示，图1显示了肺鳞癌PD-L1免疫组化病理切片以及其10X倍野上由于细胞的异质性不同细胞构所成区域成像结果，红色边框表示为肿瘤细胞，绿色边框表示为非肿瘤细胞。b)阳性肿瘤细胞区域；c)免疫组织细胞区域；d)坏死、粘液区域；e)阴性肿瘤细胞区域；f)间质细胞区域；g)淋巴细胞区域，由此可见，要准确区分肿瘤细胞与非肿瘤细胞，实操层面难度非常大，在计算TPS指标时，其准确度受到很大影响。

发明内容

为了解决上述技术问题，提出了本申请，本申请的实施例提供了一种用于提升PD-L1免疫组化病理切片TPS计算准确度的方法、设备及介质。

根据本申请的一个方面，提供了一种用于提升PD-L1免疫组化病理切片TPS计算准确度的方法，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＝PD-L1阳性肿瘤细胞数/(阳性肿瘤细胞数+阴性肿瘤细胞数)x100％。