[發明專利]一種結直腸癌病理圖像預后輔助預測方法及系統

有效

• 申請號: 202110563360.2
• 申請日: 2021-05-24
• 公開（公告）號: CN113313680B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 覃杰;韓楚;陳鑫;俞祝良;劉再毅;梁長虹
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06V10/762;G16H50/20;G06V10/82;G06N3/08;G06N3/0464
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 鄭秋松

本發明公開了一種結直腸癌病理圖像預后輔助預測方法及系統，該方法包括以下步驟：背景分離步驟：劃分為背景區域和組織區域；圖像小塊分割步驟：根據預設像素大小對組織區域進行分割圖像小塊；深度特征提取步驟：基于結直腸癌存活時間預測模型的卷積層和池化層對分割后的圖像小塊進行特征的提取得到圖像小塊特征，經過卷積層處理后對圖像小塊編碼成一維數組形式；聚類步驟：基于K?means聚類對圖像小塊特征進行聚類，劃分腫瘤上皮組織、間質、粘液、正常組織和壞死部分；風險劃分步驟：劃分風險范圍。本發明通過K?means聚類對整張病理圖像的圖像小塊進行自動分類后再選擇不同類型的圖像小塊共同訓練，使得對結直腸癌病人預后的患者存活時間預測更精確。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種結直腸癌病理圖像預后輔助預測方法及系統。

背景技術

現有結直腸癌的預后分析主要需要醫生對結直腸癌病人的病理TNM分期，從1～4期來確定病人的5年內生存情況，TNM主要包括腫瘤浸潤情況，淋巴結數量和是否轉移到別的部位來確定，TNM分期也在不斷發展，目前關于病理切片中的腫瘤環境的研究表明病理中蘊含這許多和預后相關的信息，其中有大量的數據等待挖掘。

現有技術中的一種基于深度學習對病理圖像預后預測的方法，該方法需要由有經驗的病理科醫生勾畫出病理圖像中的感興趣區域(region?of?interest，ROI)，通常是病理圖像的腫瘤部分，再從中截取一張圖像小塊，這張圖像小塊就代表這個病人，并賦予這個病人的標簽，如生存時間，進入深度卷積神經網絡去訓練，得到一個深度卷積神經網絡模型，從而預測病理圖像的預后，其中該深度卷積神經網絡包括3個卷積層，2個最大池化層和1個全連接層。

然而，目前對于醫學成像設備所成的病理圖像預后預測仍存在以下問題：(1)當病理科醫生獲得結直腸癌病理圖像后，需要有經驗的病理科醫生勾畫出腫瘤區域，并且面對呈指數增長的醫學圖像，人工處理速度慢、效率低，漏診的情況時有發生，當病人很多的時候，醫生的負擔增加，當醫生長時間勾畫后，醫生的處理速度會逐漸減慢。(2)僅根據腫瘤區域的圖像小塊進行預后預測，缺少足夠精度。

發明內容

為了克服現有技術存在的缺陷與不足，本發明提供一種結直腸癌病理圖像預后輔助預測方法，輔助醫生對結直腸癌病理圖像進行預測患者存活時間，提供風險范圍的輔助信息，減輕了醫生的負擔。

本發明的第二目的在于提供一種結直腸癌病理圖像預后輔助預測系統。

本發明的第三目的在于提供一種計算機可讀存儲介質。

本發明的第四目的在于提供一種計算機設備。

為了達到上述第一目的，本發明采用以下技術方案：

本發明提供一種結直腸癌病理圖像預后輔助預測方法，包括以下步驟：

背景分離步驟：分離病理圖像的組織區域和背景區域，將病理圖像的圖片格式由RGB空間轉換為HSV顏色空間，對HSV顏色空間中的飽和度通道部分進行自動閾值分割處理，劃分為背景區域和組織區域；

圖像小塊分割步驟：根據預設像素大小對組織區域進行分割圖像小塊；

深度特征提取步驟：基于結直腸癌存活時間預測模型的卷積層和池化層對分割后的圖像小塊進行特征的提取得到圖像小塊特征，經過卷積層處理后對圖像小塊編碼成一維數組形式；

聚類步驟：基于K-means聚類對圖像小塊特征進行聚類，劃分腫瘤上皮組織、間質、粘液、正常組織和壞死部分；

風險劃分步驟：基于結直腸癌存活時間預測模型的全連接層輸出患者存活時間，設置多個預設風險閾值，根據患者存活時間結合預設風險閾值劃分風險范圍；

所述結直腸癌存活時間預測模型為使用多組數據通過機器學習訓練得出，多組數據中的每組數據包括結直腸癌病理圖像和標識該結直腸癌病理圖像對應患者存活時間的標簽信息。