[发明专利]用于结直肠癌微卫星不稳定预测的系统和图像分割方法

权利要求书

1.一种用于机器学习的全视野切片图像有效区域分割方法，其特征在于，包括如下步骤：

步骤1，从原始全视野切片图像数据中读取多分辨率图像，将高分辨率图像去除背景后进行切分，得到若干block；

步骤2，计算步骤1得到的所有block的图像熵；

步骤3，根据图像熵筛选block，将图像熵过低的block丢弃，得到由剩下的block构成的Entropy-mask；

步骤4，将所述Entropy-mask与高分辨图像相乘，得到分割后的有效区域。

2.按照权利要求1所述的分割方法，其特征在于：步骤1中，去除背景的方法为：

步骤1.1，使用低分辨率图像进行有效区域的分割，得到低分辨率下的mask图像；

步骤1.2，根据低分辨率下的mask图像去除高分辨率图像的背景。

3.按照权利要求2所述的分割方法，其特征在于：步骤1.1中，所述低分辨率图像的分辨率为(800-1200)×(800-1200)；步骤4中，所述高分辨率图像的分辨率为(60000-140000)×(60000-140000)。

4.按照权利要求2所述的分割方法，其特征在于：步骤1.1中，所述分割的方法为阈值分割。

5.按照权利要求1所述的分割方法，其特征在于：所述block的大小为全视野切片图像中tilesize的一半。

6.按照权利要求1所述的分割方法，其特征在于：步骤4中，得到所述分割后的有效区域后，将其进行固定大小的切分，得到若干示例，每个示例包含其在所述分割后的有效区域中位置信息的标识。

7.一种用于结直肠癌微卫星不稳定预测的系统，其特征在于，包括：

输入模块，用于输入原始全视野切片图像数据；

示例生成模块，用于按照权利要求1-6任一项所述的分割方法对所述全视野切片图像数据进行分割；

模型预测模块，用于将所述示例生成模块分割的结果输入机器学习模型，得到结直肠癌微卫星不稳定预测结果，生成全视野切片图像的微卫星状态热力图；

输出模块，用于输出模型预测模块的计算结果。

8.按照权利要求7所述的系统，其特征在于：所述机器学习模型的训练方法如下：

步骤a，对每个样本进行标注，标签为微卫星高度不稳定、微卫星低度不稳定和微卫星稳定；

步骤b，将微卫星高度不稳定的样本作为阳性，微卫星稳定的样本作为阴性进行训练，得到初始模型Model_0；

步骤c，用所述Model_0预测所有样本，将其按照微卫星不稳定的概率由高到低排序；

步骤d，将标签为微卫星高度不稳定的样本中排序为前m％的样本作为阳性，将标签为微卫星低度不稳定的样本中排序为前n％的样本作为阳性，微卫星稳定的样本作为阴性再次进行训练，得到模型model_1；其中，m大于n；

步骤e，重复上述步骤c至步骤d，直至训练达到停止条件，得到最终的结直肠癌微卫星不稳定状态的预测模型。

9.按照权利要求7所述的系统，其特征在于：所述系统包括相互通讯的玻片扫描仪控制电脑、云服务器和移动端，所述输入模块和示例生成模块位于玻片扫描仪控制电脑，所述模型预测模块和输出模块位于云服务器，所述输出模块将所述计算结果输出至移动端。

10.一种计算机可读存储介质，其特征在于：其上存储有用于实现权利要求1-6任一项所述的分割方法或权利要求7-9任一项所述系统的计算机程序。