[發(fā)明專利]一種基于群等變神經(jīng)網(wǎng)絡和條件概率場的病理切片識別方法

有效

• 申請?zhí)枺?/td>: 201911060934.3
• 申請日: 2019-11-01
• 公開（公告）號: CN110930369B
• 公開（公告）日: 2023-05-05
• 發(fā)明（設計）人: 王國利;董金鳳;郭雪梅
• 申請（專利權）人: 中山大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于群等變神經(jīng)網(wǎng)絡和條件概率場的病理切片識別方法，其特征在于，包括以下步驟：

S1：收集病理切片數(shù)據(jù)，并將獲取的數(shù)據(jù)分成訓練集和測試集；

S2：對訓練集數(shù)據(jù)進行人工標注，之后進行分割；

S3：構建基于群等變換卷積和條件隨機場的端到端的深度學習神經(jīng)網(wǎng)絡，并將S2得到的數(shù)據(jù)輸入到該深度學習神經(jīng)網(wǎng)絡中進行訓練；

S4：將測試集數(shù)據(jù)輸入到訓練好的深度學習神經(jīng)網(wǎng)絡中進行測試

步驟S3中構建基于群等變換卷積和條件隨機場的端到端的深度學習神經(jīng)網(wǎng)絡的過程是：

1)、替換傳統(tǒng)卷積核為群等變換卷積核，群等變換卷積定義為：設K表示傳統(tǒng)卷積核，將該卷積核進行旋轉(zhuǎn)和鏡像操作，可以得到其它卷積核K₁，K₂，K₃…，K_n，這些卷積核組成一個新的集合S，這個集合便組成了一個基于旋轉(zhuǎn)和鏡像操作的群，也就是S中任何一個元素進行旋轉(zhuǎn)或者鏡像后得到的結果還是S中的元素；

2)、輸入的patch中N×N個節(jié)點組成一張概率無向圖，每個節(jié)點之間相互連接，這張圖是一個條件隨機場，每個節(jié)點都有自己的特征向量以及是癌變區(qū)域的概率，定義具有相同標簽，特征向量相近的圖片應當具有相似的概率輸出，通過條件隨機場的方式來完成這個任務；

步驟S4的過程是：

輸入測試集切片，不同于訓練階段的隨機分塊分割方法，在測試階段使用滑動窗的方式，將測試切片劃分成網(wǎng)格形式，依次輸入到訓練好的模型中，得到對應切塊的是否是癌區(qū)的概率，然后拼合到一起得到整張切片的概率熱圖。

2.根據(jù)權利要求1所述的基于群等變神經(jīng)網(wǎng)絡和條件概率場的病理切片識別方法，其特征在于，所述步驟S1的具體過程是：

將收集到的病理切片數(shù)據(jù)分成訓練集和測試集，對訓練集病理切片處理，生成組織區(qū)域掩膜M_a：設輸入的切片圖像為I，生成一個和I大小一致的掩膜M_a′，M_a′取值0或者1，0表示不含有組織區(qū)域，1表示含有組織區(qū)域；生成組織掩膜方式是將原始圖像在HSV空間下提取S通道，并進行二值化操作，使用的二值化方法為OTSU算法，再把經(jīng)過二值化處理的S通道進行開閉操作得到最終的組織掩膜M_a。

3.根據(jù)權利要求2所述的基于群等變神經(jīng)網(wǎng)絡和條件概率場的病理切片識別方法，其特征在于，所述步驟S2中對訓練集數(shù)據(jù)進行人工標注的過程是：

對于訓練集中有癌細胞組織的切片，由醫(yī)生使用標注軟件對病變區(qū)域進行標注，將癌區(qū)標注為多邊形，標注信息中存儲了標注多邊形區(qū)域的頂點坐標，然后使用多邊形填充算法對于多邊形內(nèi)部進行填充，內(nèi)部填充1，外部填充0，生成癌區(qū)掩膜M_b，最后組織掩膜減去癌區(qū)掩膜得到正常組織掩膜M_c。

4.根據(jù)權利要求3所述的基于群等變神經(jīng)網(wǎng)絡和條件概率場的病理切片識別方法，其特征在于，所述步驟S2中對人工標注后的數(shù)據(jù)進行分割的過程是：

若切片太大，無法一次性送入模型進行處理，所以需要將大的切片圖像采樣成小圖像塊作為模型的輸入，當前使用的圖像塊大小是256×256，每3×3個小塊組成一個patch，訓練模型的單次輸入至少兩個patch或其它偶數(shù)個patch，分別是數(shù)量相同的正樣本和負樣本，正樣本表示只含有正常組織區(qū)域的圖像塊，負樣本表示含有癌區(qū)的圖像塊，訓練集中的切片有兩種，分別是全部是正常組織的切片和含有異常癌區(qū)的切片，采樣時，正樣本從全部是正常組織的切片和含有癌區(qū)的切片中的正常組織區(qū)域獲得，即從正常組織掩膜M_c采樣得到；負樣本從含有癌區(qū)的病變組織區(qū)域獲取，即從癌區(qū)掩膜M_b采樣得到。

5.根據(jù)權利要求4所述的基于群等變神經(jīng)網(wǎng)絡和條件概率場的病理切片識別方法，其特征在于，對于輸入的組織切片，由醫(yī)生標注其中的癌變區(qū)域，然后求取兩個掩膜，分別是正常組織掩膜M_c和癌變組織掩膜M_b，然后在訓練集中，利用正常組織掩膜M_c隨機采樣正常組織樣本，利用癌區(qū)掩膜M_b隨機采樣癌變組織樣本，兩者采樣后的數(shù)量大致相同。