[发明专利]一种食管癌病理图像标注方法

说明书

本发明的食管癌病理图像标注方法，包括：a).对H&E染色的食管病理图像进行染色校正处理；b).专家癌变区域标注；c).将专家标注的癌变区域轮廓映射到40X的病理图像中；d).构建上皮组织轮廓检测模型，d‑1).标注出像素点属于上皮区域、间质组织还是无关空白区域；d‑2).构建一个端到端的卷积神经网络模型；e).标注区域融合。本发明根据食管癌发病区域发生在上皮组织基底层区域的特点，在标注的过程中自动绘制上皮组织轮廓，大大节省专家标注的时间成本。本专利方法只针对食管病理切片图像建模，只检测上皮组织的边缘，模型相对简单，运行快速，对上皮边界的检测，在检测精度上也具有明显优势，同时本方法自动学习到有效的特征和表达，避免了复杂的手工特征选取过程，可以满足实际应用需求。

技术领域

本发明涉及一种食管癌病理图像标注方法，更具体的说，尤其涉及一种可将专家标注的粗略轮廓转化为精准轮廓的食管癌病理图像标注方法。

背景技术

食道癌是生活中常见的一种恶性肿瘤，严重影响人类身体健康。目前，针对食道癌的病理切片进行检测，随着病人的增多，仅依靠专家来筛查及诊断变得越来越吃力。医学影像与人工智能的结合，是数字医疗领域较新的分支和产业热点。人工智能在医疗领域应用已经成为一种趋势，大数据驱动的人工智能应用于构建食道癌计算机辅助诊断系统，缓解医生的工作压力及强度，是未来食道癌检测的发展方向。这无疑为患者开辟出一线生机，不仅可以挽救无数患者的生命，而且对于缓解医疗资源紧张和医患矛盾也有重大意义。

是人工智能医学影像落地过程中至关重要的一环。通过大数据驱动下的人工智能技术诊断食管癌，需要大量高质量的食管病理切片数据。这只能依靠病理专家亲自用线条绘制癌症区域轮廓。对于一张完整的病理组织全扫描切片，其尺寸约为100000×700000个像素点，这种高分辨率、大尺度图像在不同分辨率下，比如10X、20X、40X，均可以提供不同的有效信息。有经验的专家通常无需对每一张病理切片图像放大到最大分辨率40X，便已经能够断定食管的癌症病变区域。而为了尽最大可能地保留食管病理图像所包含的信息，需要病理专家在最大分辨率40X下制作食管癌病理图像样本。医学影像的解读需要长时间专业经验的积累，病理专家的培养周期相对较长，而食管癌病变发生在食管上皮组织基底层区域，临近上皮组织与间质组织交界处，因此让病理专家严格地用线条精细地绘制上皮组织的轮廓，非常耗费精力，是对医学资源的巨大浪费。所以，如何避免病理专家在样本标注过程中消耗不必要的精力，帮助病理专家快速简单地用线条绘制癌症区域，制作充足的食管癌症病理图像样本数据，是构建大数据驱动的食管癌计算机辅助诊疗系统关键的一步。

发明内容

本发明为了克服上述技术问题的缺点，提供了一种食管癌病理图像标注方法。

本发明的食管癌病理图像标注方法，通过以下步骤来现：

a).图像染色校正，对H&E染色的食管病理图像进行染色校正处理，缩小病理图像之间由于切片染色制作过程中产生的染色不均匀造成的颜色差异；

b).癌变区域标注，专家诊断食管病理图像中癌症病变区域，用线条在某一放大倍率下的图像中绘制出病变区域的轮廓；

c).图像映射，将专家步骤b)中在某一放大倍率下标注的癌变区域轮廓映射到最大放大倍率40X的病理图像中；

d).构建上皮组织轮廓检测模型，

d-1).首先构建上皮组织轮廓检测训练样本集，选取上皮区域与非上皮区域的病理图像，使用滑动窗口的方法，窗口大小固定为m×m，滑动步幅为m，沿着上皮组织区域与非上皮组织区域交界处依次提取若干个m×m大小的图像，进行像素级别的组织区域标注，标注出像素点属于上皮区域、间质组织还是无关空白区域，标注后的图像形成标签图像；标签图像与灰度图像组成训练数据集；