[發(fā)明專利]一種基于深度學習的乳腺癌病理圖像HE癌巢分割方法

有效

• 申請?zhí)枺?/td>: 202011273555.5
• 申請日: 2020-11-14
• 公開（公告）號: CN112381839B
• 公開（公告）日: 2022-08-02
• 發(fā)明（設計）人: 向旭輝;鄭眾喜;衛(wèi)亞妮;陳杰;王杰;步宏
• 申請（專利權）人: 四川大學華西醫(yī)院;成都華西精準醫(yī)學產(chǎn)業(yè)技術研究院有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/187;G06T7/136;G06T3/40;G06N3/04;G06N3/08
• 代理公司: 成都高遠知識產(chǎn)權代理事務所(普通合伙) 51222
• 代理人: 李安霞;謝一平

本發(fā)明公開一種基于深度學習的乳腺癌病理圖像HE癌巢分割方法，包括：S1、輸入一張HE WSI，系統(tǒng)分割模型，在1x下，分割切片中組織的輪廓區(qū)域；S2、將1x分割的區(qū)域，映射到40x下，并提取對應區(qū)域；S3、將提取的區(qū)域，裁剪成尺寸為1024*1024，重疊128個像素的Patch；S4、將所有Patch的倍率提升至80x；S5、將高分辨率結果輸入進語義分割模型，模型輸出每個Patch的分割Mask；S6、將每個Mask按照裁剪的坐標合并生成完整的二值Mask圖像；S7、對合并完成的二值圖像進行形態(tài)學操作，并按層級關系提取輪廓。本發(fā)明采用深度神經(jīng)網(wǎng)絡進行分割，其泛化能力更強，魯棒性更高，采用了重疊采用的方式，設計了邊界效應的處理機制，可以有效避免邊界效應。

技術領域

本發(fā)明涉及深度學習領域，尤其涉及一種基于深度學習的乳腺癌病理圖像HE癌巢分割方法。

背景技術

在乳腺癌的日常診斷中，病理醫(yī)師通常會進行HE免疫組化切片的閱片分析。通過在顯微鏡下，對HE圖像中癌巢的分布，類型等進行綜合分析，并配合其他免疫組化指標，給出最終的診斷報告。隨著數(shù)字病理的發(fā)展，HE切片可以通過數(shù)字掃描儀，掃描成數(shù)字病理切片。病理醫(yī)師，可以通過開源或者特定的閱圖工具，在計算機上瀏覽病理切片。目前的掃描成像圖像清晰，真實反映切片的信息，并且可以長期保存。在閱圖的過程中，切片中包含了大量的切片組織信息，其中癌巢區(qū)域尤為重要。病理醫(yī)生需要快速且準確的定位癌巢區(qū)域，并進行詳細的分析。配合其他免疫組化指標，綜合出具診斷報告。在常見的閱片場景中，病理醫(yī)生需要根據(jù)自身經(jīng)驗，手動在大量的組織區(qū)域中，找出癌巢區(qū)域，耗時，且在不同病理醫(yī)師之間，存在差異。因此，一種能夠自動分割，提取癌巢區(qū)域的技術對于輔助病理醫(yī)師的日常診斷，具有非常重要的臨床意義。

發(fā)明內(nèi)容

本發(fā)明旨在提供一種基于深度學習的乳腺癌病理圖像HE癌巢分割方法，采用深度神經(jīng)網(wǎng)絡進行分割，其泛化能力更強，魯棒性更高，采用了重疊采用的方式，設計了邊界效應的處理機制，可以有效避免邊界效應。

為達到上述目的，本發(fā)明是采用以下技術方案實現(xiàn)的：

本發(fā)明公開一種基于深度學習的乳腺癌病理圖像HE癌巢分割方法，包括以下步驟：

S1、訓練分割網(wǎng)絡，提取1倍率圖像中的有效組織區(qū)域輪廓，將有效組織區(qū)域輪廓映射到多倍率圖像中；

S2、將多倍率圖像剪裁成多個圖像塊，相鄰圖像塊重疊區(qū)域?qū)挾葹閚像素；

S3、將圖像塊輸入超分辨率重建網(wǎng)絡得到高分辨率圖像塊，超分辨率重建網(wǎng)絡采用多種不同類型的插值方式進行采樣，超分辨率重建網(wǎng)絡用于提升圖像塊分別率；

S4、將高分辨率圖像塊輸入語義分割深度卷積神經(jīng)網(wǎng)絡，語義分割深度卷積神經(jīng)網(wǎng)絡用于分割癌巢區(qū)域，語義分割深度卷積神經(jīng)網(wǎng)絡對應每個高分辨率圖像塊生成一個二值圖像Mask；

S5、將多個二值圖像Mask按照步驟S2中的位置坐標進行圖像拼接，得到有效組織區(qū)域Mask；

S6、對有效組織區(qū)域Mask進行形態(tài)學操作，獲取多個輪廓區(qū)域，多個輪廓區(qū)域為包含關系；

S7、將輪廓區(qū)域縮放回多倍率圖像中，繪制癌巢區(qū)域輪廓。

優(yōu)選的，步驟S1中，分割網(wǎng)絡為FCN網(wǎng)絡。

優(yōu)選的，步驟S2中，圖像塊尺寸為1024像素*1024像素，n＝128。

優(yōu)選的，步驟S3中，超分辨率重建網(wǎng)絡由GAN組成，插值方式的類型包括最鄰近、雙線性、雙三次插值，高分辨率圖像塊分辨率為2048像素*2048像素。

優(yōu)選的，步驟S5中，圖像拼接的方式為邏輯或操作。

優(yōu)選的，步驟S1、S2、S7中的多倍率圖像均為40倍率圖像。

本發(fā)明的有益效果：