[发明专利]基于图卷积的胃癌病理切片图像的处理方法及系统

说明书

本发明涉及一种基于图卷积的胃癌病理切片图像的处理方法，其特征在于，包括以下步骤：步骤S1:获取胃癌数字病理切片，并进行数字化处理，构建胃癌数字病理切片图像数据集；步骤S2:根据胃癌数字病理切片图像数据集，采用阈值分割算法，获取数字病理切片图像的层次先验信息；步骤S3:根据得到的先验信息，构建并训练图卷积网络分割模型，并根据训练后的图卷积网络分割模型得到切片上胃癌区域的分割结果；步骤S4:根据结合分割出的层次信息和胃癌区域分布信息，进行T分期的分类，并得到图像中存在神经侵犯和脉管侵犯的概率分布。本发明可用于解决相关技术中对病理切片的分析不够准确的技术问题。

技术领域

本发明涉及人工智能的智能医疗技术领域，具体涉及一种基于图卷积的胃癌病理切片图像的处理方法及系统。

背景技术

胃癌是起源于胃黏膜上皮的恶性肿瘤，是消化系统最常见的恶性肿瘤之一。由于胃癌一经发现常为中晚期，患者存活超过5年的机会一般低于30％。对于胃癌病理图片的智能识别，目前已经有不少算法的应用，多实例学习、语义分割等方法也相继用于胃癌的病灶区域识别分割。

发明内容

有鉴于此，本发明的目的在于提供一种基于图卷积的胃癌病理切片图像的处理方法，可用于解决相关技术中对病理切片的分析不够准确的技术问题。

一种基于图卷积的胃癌病理切片图像的处理方法，包括以下步骤：

步骤S1:获取胃癌病理切片，并进行数字化处理，构建胃癌数字病理切片图像数据集；

步骤S2:根据胃癌数字病理切片图像数据集，采用阈值分割算法，获取数字病理切片图像的层次先验信息；

步骤S3:根据得到的先验信息，构建并训练图卷积网络分割模型，并根据训练后的图卷积网络分割模型得到切片上胃癌区域的分割结果；

步骤S4:根据结合分割出的层次信息和胃癌区域分布信息，进行T分期的分类，并得到图像中存在神经侵犯和脉管侵犯的概率分布。

进一步的，所述步骤S1具体为：

步骤S11:获取胃癌病理切片，并进行数字化处理，得到病理切片的全局信息；

步骤S12:筛选出完好的数字病理切片大图，构成胃癌数字病理切片图像数据集；

步骤S13:对胃癌数字病理切片图像数据集进行预处理,得到胃癌数字病理切片图像数据集。

进一步的，所述数字化处理具体为：利用数字显微镜在低倍物镜下对获取胃癌病理切片进行逐幅扫描采集成像，显微扫描平台按照切片XY轴方向扫描移动，并在Z轴方向自动聚焦；然后，由扫描控制软件利用程控扫描方式采集高分辨数字图像，图像压缩与存储软件将图像自动进行无缝拼接处理，制作生成整张全视野的数字化切片。

进一步的，所述数字病理切片的全局信息包括颜色特征、纹理特征和形状特征。

进一步的，所述步骤S2具体为：

步骤S21:将预处理后的图像映射到LAB均匀颜色空间，得到图像的灰度直方图，并对直方图进行归一化操作；

步骤S22:根据归一化后的直方图，获取图像的阈值；

步骤S23:利用阈值分割算法对转化好的图像进行处理，分割出胃的三个层次：黏膜层、肌层、浆膜层，并给它们分别打上标记；

步骤S24:将已标记好的大图进行裁剪，切割成NxN的小patch，并设置训练集和测试集。

进一步的，所述步骤S3具体为

步骤S31:获取病理切片图的特征图和所述特征图的邻接矩阵,特征图包括节点集合与边集合,节点集合包括用于表示所述特征图的一组节点，边集合包括一组节点之间存在的边，邻接矩阵用于表示所述一组节点之间是否存在边；