[發(fā)明專(zhuān)利]識(shí)別甲狀腺腫瘤病理圖像中病變類(lèi)型及基因突變的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110034353.3
• 申請(qǐng)日: 2021-01-11
• 公開(kāi)（公告）號(hào): CN112862756A
• 公開(kāi)（公告）日: 2021-05-28
• 發(fā)明（設(shè)計(jì)）人: 梁智勇;陳浩;張卉;胡羽;吳煥文;林黃靖
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)醫(yī)學(xué)科學(xué)院北京協(xié)和醫(yī)院
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06K9/32;G06K9/62;G06N3/04
• 代理公司: 北京慧尚知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11743
• 代理人: 鄭德龍;鮑曉芳

1.一種識(shí)別甲狀腺濾泡性腫瘤組織病理圖像中病變類(lèi)型及基因突變的方法，其特征在于，該方法由計(jì)算機(jī)設(shè)備執(zhí)行，包括以下步驟：

1)對(duì)所述甲狀腺濾泡性腫瘤組織病理圖像進(jìn)行數(shù)據(jù)預(yù)處理和數(shù)據(jù)歸一化，得到處理后的組織病理圖像；

2)對(duì)處理后的所述組織病理圖像進(jìn)行第1個(gè)分類(lèi)任務(wù)的檢測(cè)：異常區(qū)域檢測(cè)，如果所述組織病理圖像正常，設(shè)置數(shù)據(jù)標(biāo)簽為正常，所述方法結(jié)束，所述組織病理圖像的識(shí)別結(jié)果為陰性；否則，設(shè)置數(shù)據(jù)標(biāo)簽為異常，所述組織病理圖像為陽(yáng)性，繼續(xù)下一步驟；

3)對(duì)陽(yáng)性的所述組織病理圖像均進(jìn)行第2個(gè)分類(lèi)任務(wù)和第3個(gè)分類(lèi)任務(wù)的檢測(cè)：所述第2個(gè)分類(lèi)任務(wù)為判斷異常區(qū)域類(lèi)型，將判斷出的異常結(jié)果相應(yīng)地設(shè)置為甲狀腺濾泡性腺瘤FA標(biāo)簽、濾泡性癌FTC標(biāo)簽或惡性潛能未定的甲狀腺腫瘤TT-UMP標(biāo)簽；所述第3個(gè)分類(lèi)任務(wù)為判斷基因類(lèi)型，將判斷出的結(jié)果相應(yīng)地設(shè)置為基因突變型標(biāo)簽或野生型標(biāo)簽，如果所述基因類(lèi)型被設(shè)置為所述野生型標(biāo)簽，所述方法結(jié)束，所述組織病理圖像的識(shí)別結(jié)果為野生型；如果所述基因類(lèi)型被設(shè)置為所述基因突變型標(biāo)簽，繼續(xù)下一步驟；

4)對(duì)基因突變型的所述組織病理圖像均進(jìn)行第4個(gè)分類(lèi)任務(wù)和第5個(gè)分類(lèi)任務(wù)的檢測(cè)：所述第4個(gè)分類(lèi)任務(wù)為判斷基因突變類(lèi)型分類(lèi)I，將判斷出的結(jié)果相應(yīng)地設(shè)置為攜帶RAS的基因突變型標(biāo)簽或不攜帶RAS的基因突變型標(biāo)簽；所述第5個(gè)分類(lèi)任務(wù)為判斷基因突變類(lèi)型分類(lèi)II，將判斷出的結(jié)果相應(yīng)地設(shè)置為攜帶非RAS的基因突變型標(biāo)簽或不攜帶非RAS的基因突變型標(biāo)簽，其中，當(dāng)所述第4個(gè)分類(lèi)任務(wù)的檢測(cè)結(jié)果為所述攜帶RAS的基因突變型標(biāo)簽，并且所述第5個(gè)分類(lèi)任務(wù)的檢測(cè)結(jié)果為所述攜帶非RAS的基因突變型標(biāo)簽時(shí)，則進(jìn)行第6個(gè)分類(lèi)任務(wù)，設(shè)置其基因突變類(lèi)型為RAS+基因突變型；當(dāng)所述第4個(gè)分類(lèi)任務(wù)的檢測(cè)結(jié)果為所述不攜帶RAS的基因突變型標(biāo)簽，或者所述第5個(gè)分類(lèi)任務(wù)的檢測(cè)結(jié)果為所述不攜帶非RAS的基因突變型標(biāo)簽時(shí)，基因突變類(lèi)型為非RAS+基因突變型。

2.根據(jù)權(quán)利要求1所述的一種識(shí)別甲狀腺濾泡性腫瘤組織病理圖像中病變類(lèi)型及基因突變的方法，其特征在于，所述數(shù)據(jù)預(yù)處理包括：使用自適應(yīng)閾值算法，在所述組織病理圖像的金字塔型數(shù)字細(xì)胞圖像的低分辨率Level-5上檢索出組織區(qū)域，并將所述組織區(qū)域定位到高分辨率的Level-0上。

3.根據(jù)權(quán)利要求1所述的一種識(shí)別甲狀腺濾泡性腫瘤組織病理圖像中病變類(lèi)型及基因突變的方法，其特征在于，所述數(shù)據(jù)歸一化包括：通過(guò)讀取所述組織病理圖像的附加信息獲得所述組織病理圖像的微米每像素mpp(micron per pixel)參數(shù)，對(duì)所述組織病理圖像通過(guò)雙線(xiàn)性插值法進(jìn)行放大或縮小，將待識(shí)別的所述組織病理圖像集的所述微米每像素mpp歸一化為0.5，所述數(shù)據(jù)圖像的目標(biāo)行(列)像素?cái)?shù)為：

目標(biāo)行(列)像素?cái)?shù)＝0.5*原行(列)像素?cái)?shù)/微米每像素mpp。

4.根據(jù)權(quán)利要求1所述的一種識(shí)別甲狀腺濾泡性腫瘤組織病理圖像中病變類(lèi)型及基因突變的方法，其特征在于，所述第1個(gè)分類(lèi)任務(wù)、所述第2個(gè)分類(lèi)任務(wù)、所述第3個(gè)分類(lèi)任務(wù)、所述第4個(gè)分類(lèi)任務(wù)和所述第5個(gè)分類(lèi)任務(wù)的檢測(cè)流程包括如下步驟：

首先，通過(guò)預(yù)處理找到所述組織病理圖像中的組織區(qū)域；

其次，將整個(gè)所述組織區(qū)域使用劃窗分成若干正方形的圖像塊，調(diào)用深度卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)模塊，逐個(gè)對(duì)所述正方形圖像塊依次執(zhí)行該分類(lèi)任務(wù)；

然后，將檢測(cè)到的異常區(qū)域坐標(biāo)及邊框映射到全片，獲得全局異常檢測(cè)結(jié)果；

最后，提取基于全局的分類(lèi)檢測(cè)概率的特征，使用XGBoost分類(lèi)器獲得本次分類(lèi)任務(wù)的最終結(jié)果。

5.根據(jù)權(quán)利要求4所述的一種識(shí)別甲狀腺濾泡性腫瘤組織病理圖像中病變類(lèi)型及基因突變的方法，其特征在于，為擴(kuò)充訓(xùn)練數(shù)據(jù)集，

所述第1個(gè)分類(lèi)任務(wù)、所述第2個(gè)分類(lèi)任務(wù)、所述第3個(gè)分類(lèi)任務(wù)、所述第4個(gè)分類(lèi)任務(wù)和所述第5個(gè)分類(lèi)任務(wù)的檢測(cè)流程還包括對(duì)所述組織病理圖像進(jìn)行圖像翻轉(zhuǎn)及圖像鏡像操作，生成新的訓(xùn)練數(shù)據(jù)集；

所述第5個(gè)分類(lèi)任務(wù)的檢測(cè)流程還額外包括對(duì)所述組織病理圖像進(jìn)行同源打包和異源打包操作，生成多示例訓(xùn)練數(shù)據(jù)集。