[发明专利]一种肿瘤浸润淋巴细胞识别方法和系统

权利要求书

1.一种肿瘤浸润淋巴细胞识别方法，其特征在于，所述方法包括以下步骤：

步骤1，构建肿瘤浸润淋巴细胞识别任务的训练集和测试集；

步骤2，构建用于训练的细胞分割网络，所述细胞分割网络通过基于Swin-Transformer的编码器对淋巴细胞进行特征学习，通过基于Swin-Transformer的解码器对淋巴细胞分别进行形态识别学习和分类学习；

步骤3，把训练集输入所述细胞分割网络进行训练，得到淋巴细胞识别模型；

步骤4，通过所述淋巴细胞识别模型识别被肿瘤浸润的淋巴细胞。

2.根据权利要求1所述的一种肿瘤浸润淋巴细胞识别方法，其特征在于：所述细胞分割网络采用Swin-Hovernet网络，Swin-Hovernet网络包括一个编码器和两个解码器，编码器通过Swin-Transformer层对淋巴细胞进行特征学习，两个解码器通过Swin-Transformer层对淋巴细胞分别进行形态识别学习和分类学习。

3.根据权利要求2所述的一种肿瘤浸润淋巴细胞识别方法，其特征在于：Swin-Hovernet网络的编码器和解码器互相对称，编码器的Swin-Transformer层通过跨层连接网络方式连接于解码器的Swin-Transformer层。

4.根据权利要求3所述的一种肿瘤浸润淋巴细胞识别方法，其特征在于：构建Swin-Hovernet网络时包括聚合细胞每一个像素附近的灰度梯度信息。

5.根据权利要求1所述的一种肿瘤浸润淋巴细胞识别方法，其特征在于：在所述步骤3之前，训练集的数据通过多组织区域识别模型去除非肿瘤浸润淋巴细胞的区域。

6.一种肿瘤浸润淋巴细胞识别系统，其特征在于，包括：

训练集构建模块，用于构建肿瘤浸润淋巴细胞识别任务的训练集和测试集；

细胞分割网络构建模块，用于构建训练用的细胞分割网络，所述细胞分割网络通过基于Swin-Transformer的编码器对淋巴细胞进行特征学习，通过基于Swin-Transformer的解码器对淋巴细胞分别进行形态识别学习和分类学习；

模型训练模块，用于把训练集输入所述细胞分割网络进行训练，得到淋巴细胞识别模型；

识别模块模块，用于通过所述淋巴细胞识别模型识别被肿瘤浸润的淋巴细胞。

7.根据权利要求6所述的一种肿瘤浸润淋巴细胞识别系统，其特征在于，所述细胞分割网络构建模块包括：

配置模块，用于配置所述细胞分割网络采用Swin-Hovernet网络，Swin-Hovernet网络包括一个编码器和两个解码器，编码器通过Swin-Transformer层对淋巴细胞进行特征学习，两个解码器通过Swin-Transformer层对淋巴细胞分别进行形态识别学习和分类学习。

8.根据权利要求7所述的一种肿瘤浸润淋巴细胞识别系统，其特征在于，所述细胞分割网络构建模块包括：

连接模块，用于通过跨层连接网络方式把相互对称的编码器和解码器的Swin-Transformer层连接在一起。

9.根据权利要求8所述的一种肿瘤浸润淋巴细胞识别系统，其特征在于，所述细胞分割网络构建模块包括：

聚合模块，用于聚合细胞每一个像素附近的灰度梯度信息。

10.根据权利要求6所述的一种肿瘤浸润淋巴细胞识别系统，其特征在于，所述模型训练模块包括：

非肿瘤浸润淋巴细胞区域去除模块，用于通过多组织区域识别模型去除训练集数据中非肿瘤浸润淋巴细胞的区域。

11.一种肿瘤浸润淋巴细胞识别装置，包括至少一个处理器；与所述至少一个处理器耦合的存储器，所述存储器存储有可执行指令，其特征在于：所述可执行指令在被所述至少一个处理器执行时使得实现根据权利要求1至5中任一项所述方法的步骤。