[發(fā)明專利]一種病理切片掃描分析裝置及病理切片掃描方法

有效

• 申請?zhí)枺?/td>: 202010537192.5
• 申請日: 2020-06-12
• 公開（公告）號: CN111899214B
• 公開（公告）日: 2022-12-09
• 發(fā)明（設(shè)計）人: 李辰;高澤宇;吳佳倫;時江波;婁沛良;洪邦洋;帕戈姆·普塔皮拉特;和凱
• 申請（專利權(quán)）人: 西安交通大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G16H15/00;G16H30/00;G16H50/20
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 李鵬威

本發(fā)明公開了一種病理切片掃描分析裝置及病理切片掃描方法，利用切片掃描模塊進行掃描獲取數(shù)字切片圖像，并將獲取的數(shù)字切片圖像傳輸至分析處理模塊，然后通過分析處理模塊對選定病理區(qū)進行特征提取，同時根據(jù)分析任務(wù)表型對應(yīng)的表型特征結(jié)果與提取的特征對比，輸出提取的特征所對應(yīng)的表型特征結(jié)果所對應(yīng)的量化分析指標(biāo)報告，采用分析處理模塊對數(shù)字切片圖像進行預(yù)篩，節(jié)約計算時間和資源成本，可以加速分析的過程，采用分析處理模塊能夠?qū)崿F(xiàn)數(shù)字切片圖像的多樣化處理，不同于其他報告生成的模型直接利用圖像編碼和文本預(yù)測模型完成報告生成，而是利用表型分析結(jié)果進行結(jié)合生成更加專業(yè)合理的分析報告，提高準(zhǔn)確率，降低誤診率的目的。

技術(shù)領(lǐng)域

本發(fā)明屬于病理切片領(lǐng)域，具體涉及一種病理切片掃描分析裝置及病理切片掃描方法。

背景技術(shù)

目前在病理切片分析過程，逐漸由人工分析轉(zhuǎn)變?yōu)椴±韴D像智能篩選裝置篩選分析，但是目前病理圖像智能篩選裝置對切片進行篩選分析過程中，其基于已經(jīng)訓(xùn)練單一數(shù)據(jù)類型進行篩選，分析對比數(shù)據(jù)庫主要通過人工添加，篩選病理圖像不統(tǒng)一，病理篩選裝置僅僅作為篩選過程中某些階段的輔助系統(tǒng)存在，由于數(shù)字切片圖像的尺寸巨大，導(dǎo)致計算速度慢，計算資源浪費較多。病理圖像智能篩選裝置依賴于人工智能模型，人工智能模型是基于已知圖像數(shù)據(jù)進行訓(xùn)練的，在臨床應(yīng)用的時候由于各個地區(qū)切片圖像制作的流程以及設(shè)備差異，人工智能模型并不適用于所有切片圖像，需要人工更新已知圖像數(shù)據(jù)，無法實現(xiàn)數(shù)據(jù)之間的有效及時更新，無法及時對新病理特征進行篩選，準(zhǔn)確率較低。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種病理切片掃描分析裝置及病理切片掃描方法，以克服現(xiàn)有技術(shù)的不足。

為達到上述目的，本發(fā)明采用如下技術(shù)方案：

一種病理切片掃描分析裝置，其特征在于，包括切片掃描模塊、分析處理模塊、反饋模塊、顯示模塊、存儲模塊以及傳輸模塊；

切片掃描模塊用于掃描獲取數(shù)字切片圖像，并將獲取的數(shù)字切片圖像傳輸至分析處理模塊；

分析處理模塊用于數(shù)字切片圖像切片處理分析，具體包括對數(shù)字切片圖像進行預(yù)篩選得到選定分析病理區(qū)，然后根據(jù)分析任務(wù)表型對選定病理區(qū)進行特征提取，同時根據(jù)分析任務(wù)表型對應(yīng)的表型特征結(jié)果與提取的特征對比，輸出提取的特征所對應(yīng)的表型特征結(jié)果所對應(yīng)的量化分析指標(biāo)報告；

顯示模塊用于顯示分析處理模塊數(shù)字切片圖像切片處理分析的切片分析過程圖像及量化分析指標(biāo)報告；反饋模塊與分析處理模塊連接，用于分析處理結(jié)果信息反饋輸入至分析處理模塊，分析處理模塊根據(jù)分析處理結(jié)果信息進行自修正數(shù)據(jù)更新；存儲模塊用于表型特征結(jié)果與量化分析指標(biāo)報告數(shù)據(jù)存儲，傳輸模塊用于存儲模塊內(nèi)存儲信息與外部數(shù)據(jù)庫進行數(shù)據(jù)交互。

進一步的，分析處理模塊包括切片預(yù)篩模塊、表型分析模塊和分析生成模塊；切片預(yù)篩模塊用于對數(shù)字切片圖像進行預(yù)篩選切片得到選定分析病理區(qū)；表型分析模塊用于對選定的分析病理區(qū)根據(jù)不同的病理分析任務(wù)進行不同類型的表型提取；分析生成模塊用于根據(jù)表型分析模塊所提取出的表型特征和結(jié)果進行分析報告的生成。

進一步的，表型提取包括病理區(qū)分類、病理區(qū)分級和病理區(qū)內(nèi)目標(biāo)檢測。

進一步的，具體表型分析模塊包括分類模型、分級模型、計數(shù)模型、語義分割模型和目標(biāo)檢測模型；分類模型用于不同組織的分類以及不同病理亞型的識別；

分級模型用于病理等級識別；

計數(shù)模型用于統(tǒng)計病理細胞個數(shù)，免疫細胞個數(shù)以及血細胞個數(shù)；

語義分割模型用于識別組織、細胞邊界和形狀；

目標(biāo)檢測模型用于定位特定的組織或細胞位置。

一種病理切片掃描方法，包括以下步驟：