[发明专利]一种基于图像分析的肿瘤微血管侵犯检测装置

说明书

本发明公开了一种基于图像分析的肿瘤微血管侵犯检测装置，包括：输入模块，用于将病理图像分割成若干个预设尺寸大小的区域图像，并将若干个区域图像输入至血管侵犯模型中；标记模块，用于利用血管侵犯模型对区域图像进行图像检测得到肿瘤微血管侵犯结构，并采用矩形框标记每一肿瘤微血管侵犯结构；去重模块，用于根据矩形框的覆盖面积和置信度，对重叠的两个矩形框进行去重得到去重后的矩形框；分类模块，用于将每一矩形框裁剪成以每一矩形框的重心作为重心、以每一矩形框的长作为边长的正方形图像，采用分类模型对正方形图像进行分类，判断正方形图像是否为肿瘤微血管侵犯。本发明实施例能够有效提高肿瘤微血管侵犯检测的准确性和可靠性。

技术领域

本发明涉及计算机医学图像信息处理技术领域，尤其是涉及一种基于图像分析的肿瘤微血管侵犯检测装置。

背景技术

微血管侵犯(microvascular invasion，MVI)是肝肿瘤患者的重要组织病理学特征以及预后不良的独立危险因素，可增加术后复发风险和降低远期生存率，伴随微血管侵犯(MVI)的肝肿瘤患者复发风险会大大增加。术前预测微血管侵犯，对临床治疗方案选择和改善患者预后具有重要意义。现有的肿瘤微血管侵犯检测装置通常使用病理图像原片训练深度学习模型，并通过降低图像分辨率来避免显存溢出，但是现有的肿瘤微血管侵犯检测装置病理图像原片中微血管侵犯结构模糊，导致检测效果不准确。

发明内容

本发明提供一种基于图像分析的肿瘤微血管侵犯检测装置，以解决现有的肿瘤微血管侵犯检测装置病理图像原片中微血管侵犯结构模糊，导致检测效果不准确的技术问题。

本发明实施例提供了一种基于图像分析的肿瘤微血管侵犯检测装置，包括：

输入模块，用于将病理图像分割成若干个预设尺寸大小的区域图像，并将若干个所述区域图像输入至血管侵犯模型中；

标记模块，用于利用所述血管侵犯模型对所述区域图像进行图像检测得到肿瘤微血管侵犯结构，并采用矩形框标记每一所述肿瘤微血管侵犯结构，其中每一所述矩形框所标记的肿瘤微血管侵犯结构均对应一个置信度；

去重模块，用于根据所述矩形框的覆盖面积和置信度，对重叠的两个所述矩形框进行目标去重处理，得到去重后的矩形框；

分类模块，用于将每一矩形框裁剪成以每一所述矩形框的重心作为重心、以每一所述矩形框的长作为边长的正方形图像，采用分类模型对所述正方形图像进行分类，判断所述正方形图像是否为肿瘤微血管侵犯。

进一步的，所述将若干个所述区域图像输入至血管侵犯模型中，具体为：

降低所述区域图像的分辨率，将降低分辨率后的区域图像输入至血管侵犯模型中。

进一步的，所述标记模块，具体用于：

通过所述血管侵犯模型采用YOLO-v4网络结构对所述区域图像进行图像检测得到肿瘤微血管侵犯结构，并采用矩形框标记每一所述肿瘤微血管侵犯结构。

进一步的，所述通过所述血管侵犯模型采用YOLO-v4网络结构对所述区域图像进行图像检测得到肿瘤微血管侵犯结构，并采用矩形框标记每一所述肿瘤微血管侵犯结构，具体为：

在5倍放大倍数下采用YOLO-v4网络结构对所述区域图像进行目标检测肿瘤微血管侵犯结构，采用矩形框标记每一所述肿瘤微血管侵犯结构并记录所述矩形框坐标点。

进一步的，所述去重模块，具体用于：

检测是否存在重叠区域的两个所述矩形框，若是，则计算两个所述矩形框的重叠面积和两个所述矩形框的总覆盖面积，在所述重叠面积与所述总覆盖面积的比值超过预设阈值时，选取两个所述矩形框中置信度最高的矩形框作为最终的矩形框。

进一步的，所述将每一矩形框裁剪成以每一所述矩形框的重心作为重心、以每一所述矩形框的长作为边长的正方形图像，具体为：