[發(fā)明專利]一種腦膠質瘤分級評價方法及其裝置

有效

• 申請?zhí)枺?/td>: 201811268608.7
• 申請日: 2018-10-29
• 公開（公告）號: CN109271969B
• 公開（公告）日: 2020-03-24
• 發(fā)明（設計）人: 付鈺;王方
• 申請（專利權）人: 北京青燕祥云科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08;G06T7/00;G06T7/11;G06T7/13;G06T7/136;G16H30/20;G16H40/67
• 代理公司: 北京超凡志成知識產(chǎn)權代理事務所(普通合伙) 11371
• 代理人: 吳迪

1.一種腦膠質瘤分級評價裝置，其特征在于，包括：獲取模塊、識別模塊和分級模塊；

所述獲取模塊，用于獲取目標患者的腦膠質瘤病理切片圖像；

所述識別模塊，用于基于神經(jīng)網(wǎng)絡技術，對所述腦膠質瘤病理切片圖像進行識別，分別獲得所述目標患者的所述腦膠質瘤病理切片圖像對應的細胞密度、異型性細胞數(shù)量、血管壁增生面積和壞死組織總面積；

所述分級模塊，用于根據(jù)所述細胞密度、所述異型性細胞數(shù)量、所述血管壁增生面積和所述壞死組織總面積生成一目標患者對應的病理情況標注信息，通過預先訓練的支持向量機病理分級模型對所述病理情況標注信息進行分級，得到分級評價結果；

其中，所述識別模塊還用于獲取預設數(shù)量的細胞核標注信息作為密度訓練數(shù)據(jù)，利用Mask R-CNN分割模型通過所述密度訓練數(shù)據(jù)進行訓練，得到分割細胞核深度學習模型，利用所述分割細胞核深度學習模型對所述腦膠質瘤病理切片圖像進行識別，得到所述腦膠質瘤病理切片圖像中的細胞總個數(shù)；并且，獲取所述腦膠質瘤病理切片圖像的總面積數(shù)，通過所述腦膠質瘤病理切片圖像中的所述細胞總個數(shù)除以所述總面積數(shù)，計算得出所述細胞密度。

2.根據(jù)權利要求1所述的腦膠質瘤分級評價裝置，其特征在于，所述識別模塊還用于通過異型性細胞特征數(shù)據(jù)對xgboost模型進行訓練，得到異型性細胞xgboost分類模型，通過所述異型性細胞xgboost分類模型對所述細胞總個數(shù)對應的每一個細胞進行分類，分別得到異型性細胞和非異型性細胞；并且，統(tǒng)計所述異型性細胞和所述非異型性細胞的個數(shù)，得到所述異型性細胞數(shù)量。

3.根據(jù)權利要求1所述的腦膠質瘤分級評價裝置，其特征在于，所述識別模塊還用于利用血管壁增生數(shù)據(jù)標記信息進行訓練得到血管壁增生識別模型；并且，對所述腦膠質瘤病理切片圖像依據(jù)預設倍數(shù)進行放大轉換，得到放大圖像；將所述放大圖像切割成為多個1024×1024像素尺寸的圖像識別單元，將每個所述圖像識別單元分別輸入所述血管壁增生識別模型進行識別，提取出其中存在血管壁增生的圖像識別單元作為增生單元，并且，統(tǒng)計所述增生單元的數(shù)量，并根據(jù)每個增生單元所對應的1024×1024像素尺寸計算得到所述血管壁增生面積。

4.根據(jù)權利要求1所述的腦膠質瘤分級評價裝置，其特征在于，所述識別模塊還用于利用壞死組織標記信息進行訓練得到壞死組織識別模型；并且，對所述腦膠質瘤病理切片圖像依據(jù)預設倍數(shù)進行放大轉換，得到放大圖像；將所述放大圖像切割成為多個1024×1024像素尺寸的圖像識別單元，將每個所述圖像識別單元分別輸入所述壞死組織識別模型進行識別，提取出其中存在壞死組織的圖像識別單元作為壞死單元；并且，統(tǒng)計所述壞死單元的數(shù)量，并根據(jù)每個壞死單元所對應的1024×1024像素尺寸計算得到所述壞死組織總面積。

5.根據(jù)權利要求1所述的腦膠質瘤分級評價裝置，其特征在于，所述腦膠質瘤分級評價裝置還包括：

輸出認證模塊，用于基于圖像采集設備對進行分級評價的操作用戶進行圖像采集，得到身份認證圖像，對所述身份認證圖像進行特征定位、邊緣檢測和閾值分割，提取所述身份認證圖像中的面部特征，利用預先訓練的認證用戶圖像識別模型對所述身份認證圖像對應的面部特征進行識別，以判斷所述操作用戶是否為已認證用戶，若所述操作用戶為已認證用戶，則輸出所述分級評價結果。

6.一種用戶終端，其特征在于，包括存儲器以及處理器，所述存儲器用于存儲腦膠質瘤分級評價程序，所述處理器運行所述腦膠質瘤分級評價程序以使所述用戶終端執(zhí)行如權利要求1-5中任一項所述腦膠質瘤分級評價裝置中各個模塊的功能。

7.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有腦膠質瘤分級評價程序，所述腦膠質瘤分級評價程序被處理器執(zhí)行時實現(xiàn)如權利要求1-5中任一項所述腦膠質瘤分級評價裝置中各個模塊的功能。