[發明專利]一種乳腺癌免疫組化人工智能判讀方法

在審

• 申請號: 202110170428.0
• 申請日: 2021-02-08
• 公開（公告）號: CN113011257A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 胡哲煜;歐陽取長;謝寧;陽劍波
• 申請（專利權）人: 湖南省腫瘤醫院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06T7/00;G06T7/11;G06T7/136;G06T7/194;G06T7/33
• 代理公司: 北京科家知識產權代理事務所(普通合伙) 11427
• 代理人: 鐘斌

本發明提供的一種乳腺癌免疫組化人工智能判讀方法，包括以下步驟：第一步，采用深度卷積神經網絡完成對HE顯微組織病理數字全景圖進行乳腺癌組織分類識別；第二步，基于金字塔模型，對HE和IHC顯微乳腺癌組織病理數字全景圖之間進行快速精準配準；第三步，通過計算得出免疫組化核陽性率；本發明提供一種乳腺癌免疫組化人工智能判讀方法，能夠實現對免疫組化乳腺癌組織區域的核陽性率的自動定量計算分析，在保證核陽性率計算結果準確的前提下，減去醫生進行人工計數細胞的大量重復繁雜工作，大幅度提高核陽性率的計算效率，高效輔助醫生完成免疫組化核陽性分析過程。

技術領域

本發明涉及醫療圖像處理技術領域，具體為一種乳腺癌免疫組化人工智能判讀方法。

背景技術

乳腺癌是嚴重威脅女性健康的最常見的癌癥之一，也是女性癌癥死亡的第二大主要原因。根據2019年我國最新乳腺癌數據報告,我國女性乳腺癌每年發病約為30.4萬，發病例數和死亡例數分別占全球發病和死亡的11.2％和9.2％,在世界范圍位居前列，并以每年2％左右的速度增長，可見乳腺癌已成為對我國女性健康威脅最大的惡性腫瘤。在過去十幾年里，乳腺癌在檢測和治療方面取得了令人興奮的進展，美國乳腺癌平均5年生存率為90％，然而中國只有73.1％，因此，提高我國乳腺癌患者率生存率是目前面臨的一個巨大挑戰，而提供高質量的乳腺癌早期檢測，精準的個體化治療服務和對復發病人的預測評估，則是提高乳腺癌患者5-10年生存率的關鍵因素。

免疫組織化學(Immunohistochemistry)又稱免疫細胞化學，它是組織化學的分支，它是用標記的特異性抗體(或抗原)對組織內抗原(或抗體)的分布進行組織和細胞原位檢測技術，作為一種成熟、可靠，經濟性強且廣泛應用的技術手段。但是目前對免疫組化的判讀均為人工半定量判讀，判讀的結果往往隨機性強，人為干擾大，客觀性差。如果能夠有一種全新的客觀、精準的方法來對免疫組化結果判讀，在進行腫瘤壞死率評估的同時，判讀一些特異性蛋白的表達(諸如：ER、PR、VEGFR、PDL-1、PD-1、KI67等)，做為腫瘤組織精準評估的一部分，這將對后繼選擇分子靶向治療藥物提供重要的參考。諸如在乳腺癌組織標本中，IHC方法檢測雌激素受體(ER)，孕激素受體(PgR)，人表皮生長因子受體2(HER2)和Ki-67的表達已成為病理診斷中的常規項目，應用這四個標準的免疫組化檢測定量值(IHC4評分)結合臨床病理腫瘤等級，大小，淋巴結，患者年齡和治療等因素，可以預測激素受體(HR)陽性、HER2陰性、淋巴結未擴散的乳腺癌患者經內分泌治療后的復發風險，稱為乳腺癌免疫組化”IHC4預測模型“，其預測遠端長達10年。但是免疫組化技術中涉及到的核陽性率，尤其是ki67、ER、PR、AR等指標的計算，需要醫生手動計數大量的核陽性細胞和非核陽性細胞，這種雖然工作簡單，而且重復，但需要耗費醫生大量的時間去完成細胞數的統計，這個過程極為單調，且繁雜，很耗費醫生精力。如果能由計算機系統自動完成整個核陽性率的計算分析過程，那將使醫生從這種單調而繁雜的工作中解放出來，減少不必要的精力耗費，大大提高醫生的工作效率。

近年來，隨著深度學習技術在生物醫療病理領域的深入耕耘，基于人工智能的醫療領域蓬勃發展，傳統的圖像處理技術手段結合新的深度學習技術，在醫療領域也取得了長足的進步，但在處理過程中，大部分都是直接針對單圖像進行分析的，有些是只針對HE病理圖進行分析的，有些是利用圖像處理手段直接對免疫組化(IHC)病理圖進行分析的，但是沒有直接將二者聯系在一起，通過圖像配準等技術手段在聯合HE和IHC組織病理圖，利用深度學習等人工智能技術，全自動完成從病理輔助判讀到最終的免疫組化核陽性率的定量分析。

發明內容

針對現有技術存在的上述問題，本發明提供一種乳腺癌免疫組化人工智能判讀方法，能夠實現對免疫組化乳腺癌組織區域的核陽性率的自動定量計算分析，在保證核陽性率計算結果準確的前提下，減去醫生進行人工計數細胞的大量重復繁雜工作，大幅度提高核陽性率的計算效率，高效輔助醫生完成免疫組化核陽性分析過程。

為實現上述發明目的，本發明采用的技術方案如下：

一種乳腺癌免疫組化人工智能判讀方法，包括以下步驟：