[发明专利]基于注意力机制的胃癌细粒度分类方法

说明书

本发明涉及一种基于注意力机制的胃癌细粒度分类方法。该方法包括：获取的不同微卫星状态的胃癌病理图像进行预处理；构建基于注意力机制的卷积神经网络，并使用胃癌病理图像数据集对基于注意力机制的卷积神经网络进行训练建模，得到胃癌细粒度分类模型；通过胃癌细粒度分类模型，对待测胃癌病理图像进行分类。本发明解决了现有胃癌微卫星状态分类方法存在的流程繁琐、消耗时间长、分类准确性差以及智能化程度不高的技术问题，为胃癌细粒度分类提供了一种客观、准确的智能分类方法。

技术领域

本发明涉及一种基于注意力机制的胃癌细粒度分类方法。

背景技术

胃癌是全球最为常见的恶性肿瘤之一，据世界卫生组织癌症研究机构(IARC)统计，2020年全球胃癌新增1,089,103例，占全部新发癌症病例的5.6％，在胃癌新发病例中，大约50％的新发病例发生在亚洲的东部，而中国是胃癌发病的集中区域，2020年新增病例达到478,508例，占到全国新发癌症病例的10.5％，因胃癌导致的死亡病例达到373,789，占到全国癌症死亡病例的12.4％，所以无论是新增病例还是死亡病例，胃癌已经成为影响我国人口健康的重要因素。因此，加强胃癌细粒度分类的研究，准确、客观评估胃癌的亚型对治疗方案的制定具有重要意义，也是精准医学的重要目标。

现阶段对胃癌微卫星状态分类常用的方法有免疫组织化学法(IHC)和高通量测序法(NGS)。IHC是通过免疫组化检测肿瘤组织中MMR蛋白缺失来间接确定MSI的状态，虽然它可以直接鉴定出导致MSI发生MMR缺陷基因，但是约5％-11％的MSI发生并不会出现MMR蛋白的缺陷，还存在某些MMR蛋白错义突变，MMR功能损失却保留其抗原性，因此免疫组化检查容易出现假阳性的问题。而NGS基因检测可同时捕获多段基因组序列，利用其中已有的微卫星位点即可同步检测MSI，降低样本用量，但是识别有良好区分性的微卫星位点需要复杂的算法和大量样本的积累验证，同时重复序列捕获和检测相当困难。因此，如何实现胃癌微卫星状态的无损、实时、准确分类是解决上述问题的关键。

基于人工智能技术的胃癌微卫星状态分类方法，通过设计针对性的网络架构以及对胃癌病理图像的自主学习，使训练好的神经网络模型可以对胃癌微卫星状态进行实时、准确分类，弥补了传统方法的不足。而由于图像中可能会存在与识别任务无关的冗余信息，因此如何关注图像中的感兴趣部分，获取关键信息，抑制其他无用信息，实现网络对目标任务的精准识别成为目前急需解决的问题。

发明内容

本发明的目的是解决现有胃癌微卫星状态分类方法存在的流程繁琐、消耗时间长和分类准确性差的技术问题，提供一种基于注意力机制的胃癌细粒度分类方法。

为解决上述技术问题，本发明采用的技术方案是：

基于注意力机制的胃癌细粒度分类方法，其具体步骤为：

步骤一：对获取的不同微卫星状态的胃癌病理图像进行预处理；将预处理后的胃癌病理图像数据按照8:1:1的比例分为训练集、验证集和测试集；

步骤二：构建深度神经网络，并嵌入注意力机制模块，组成基于注意力机制的轻量级卷积神经网络模型，所述注意力机制模块为包含通道注意力模块和空间注意力模块或仅包含通道注意力模块或仅包含空间注意力模块中的任意一种；

步骤三：设置模型超参数，使用训练集对所述基于注意力机制的轻量级卷积神经网络模型进行训练及建模，并实时采用验证集对建模结果进行评价，在训练和验证的过程中，通过Adam优化器对损失函数(交叉熵函数)进行优化，从而控制参数调整的方向，建立优化的基于注意力机制的胃癌细粒度分类模型；

步骤四：将胃癌病理图像测试集通过优化的基于注意力机制的轻量级卷积神经网络模型进行分类。

进一步地，所述不同微卫星状态的胃癌病理图像进行预处理，包括：将所述不同微卫星状态的胃癌病理图像的尺寸统一调整为N×N，并对统一尺寸的不同微卫星状态的胃癌病理图像进行归一化处理；N为图像在宽度维和高度维的像素数。