[發明專利]一種計算機輔助乳腺浸潤性導管癌組織學分級的方法

有效

• 申請號: 201710491874.5
• 申請日: 2017-06-26
• 公開（公告）號: CN107330263B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 包驥;向飛
• 申請（專利權）人: 成都知識視覺科技有限公司;包驥
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種計算機輔助乳腺浸潤性導管癌組織學分級的方法：病理醫師對乳腺癌組織學數字切片圖像中的存在乳腺浸潤性導管癌細胞的區域進行人工標注，對標注為乳腺浸潤性導管癌的區域給出組織學分級評分；讀入完成標注和組織學分級的數字化切片圖像文件，將圖像切割成小塊圖像，通過查詢浸潤性導管癌區域標注和組織學分級評分的信息，得到每個小塊圖像的標簽信息，獲得兩大類樣本集；利用CNN神經網絡，建立多標簽深度學習分類訓練任務，讓神經網絡自動學習每一個小塊圖像中的圖像特征，得到分類模型；利用該分類模型，對從乳腺癌組織學切片圖像中提取出來的小塊圖像進行分類識別。

技術領域

本發明涉及一種計算機輔助乳腺浸潤性導管癌組織學分級的方法。

背景技術

女性乳腺是由皮膚、纖維組織、乳腺腺體和脂肪組成的，乳腺癌是發生在乳腺腺上皮組織的惡性腫瘤。乳腺癌中99％發生在女性，男性僅占1％，乳腺癌是女性排名第一的常見惡性腫瘤。

與其他大多數國家一樣，乳腺癌是中國女性最常見的癌癥。乳腺浸潤性導管癌(IDC)，非特殊型(NST)是最常見的乳腺癌類型，起源于乳腺導管，癌細胞突破管壁后浸潤到乳腺的間質和脂肪組織中，因此，IDC可以通過淋巴系統或血液擴散(轉移)到身體其他部位。IDC在乳腺癌中占絕大多數，其流行病學特征與乳腺癌總體一致。同時在浸潤性乳腺癌中，IDC占大約80％。

乳腺癌的病理診斷是將乳腺穿刺活檢標本或手術標本，制作成病理切片，進行蘇木素伊紅染色(HE染色)后，病理醫師在顯微鏡下，放大200－400倍后，觀察乳腺中細胞的形態及組織結構進行診斷。

根據諾丁漢評分系統(Nottingham Grading System)，乳腺浸潤性導管癌病理組織學上分三級，一級分化最好，三級最差，乳腺浸潤性導管癌的預后和病理分級有很大的關系，每一份確診為乳腺浸潤性導管癌的病理報告都需要向報告組織學分級。但乳腺浸潤性導管癌的預后也不僅與病理學組織學分級有關，也與腫塊大小，組織類型，有無腋窩淋巴結轉移，免疫組化的結果均有關聯。

目前病理醫師在對乳腺浸潤性導管癌的組織學分級是根據以下三個特征：

1、腺管形成。①＞75％為1分；②10％～75％為2分；③＜10％為3分。

2、細胞異形性。①細胞規則、形態一致為1分；②細胞形狀、大小有中等度的變化為2分；③細胞的形狀、大小有明顯變化為3分。

3、核分裂數(×400)。①0～5/10HPF為1分(每10個高倍鏡視野中有0－5個核分裂細胞)；②6～10/10HPF為2分；③＞11/10HPF為3分。

然后將三項的總分相加報告病理學分級。1級：3－5分；2級：6－7分；3級：8－9分。

由于諾丁漢評分系統中對于乳腺癌IDC組織學分級的標準中規定的三個特征，描述準確性較差，醫生難以很好掌握，同時評分體系復雜，診斷耗時。因此造成在實際診斷工作中，年輕醫師對標準掌握不夠，主觀性較強，對照標準主項診斷耗時過長，與高年資醫師診斷符合率低。

針對這種情況，迫切需要一種基于圖像分析的自動化分析工具來對數字病理學切片進行量化評估。這種量化的描述不僅能幫助臨床診斷(如減少不同的觀察者或者同一個觀察者在不同時間段之間的診斷差異性)，而且能夠幫助病理學家理解使用某種具體診斷方法的潛在原因。此外，還能幫助研究人員理解疾病產生的生物學機理。

隨著數字病理學的發展，病理切片經過掃描轉化為數字圖像，進而可以采用計算機視覺技術輔助病理醫生診斷。早期方法多采用數字圖像處理技術，但魯棒性較差，檢測效果不佳。近年來，以深度學習(Deep Learning，DL)為代表的神經網絡獲得了突破性進展，利用卷積神經網絡(Convolutional Neural Network，CNN)進行圖像識別獲得了廣泛應用。