[发明专利]癌症预后分析方法及系统

说明书

本发明公开了癌症预后分析方法及系统。涉及图像处理领域，其中，方法根据组织类别在病理图像样本采样获得局部切片样本，将局部切片样本输入至预先构建并训练好的预后分析模型中，预后分析模型通过卷积神经网络模型提取局部切片的特征向量，将特征向量输入回归模型中输出患者的预后风险值。通过分析患者的病理图像样本预测患者预后的相对风险，具有可靠的评估效果，给医生提供一定的参考，节省医生诊断的时间，减轻医生的负担，节约了时间成本和人工成本。可广泛应用于病理图像检测领域。

技术领域

本发明涉及图像处理领域，尤其是涉及一种癌症预后分析方法及系统。

背景技术

现如今癌症是一种很常见的恶性肿瘤，包括原发性癌症和转移性癌症，可发于身体各个部位，例如，原发性肝癌是临床上最常见的恶性肿瘤之一，根据最新统计，原发性肝癌全球发病率已超过62.6万/年，居于恶性肿瘤的第5位：死亡接近60万/年，位居肿瘤相关死亡的第3位。

癌症的治疗目前仍是以手术为主的综合治疗，但中晚期患者常失去手术机会，癌症的恶性程度高，发展迅速，容易复发，致使目前总体疗效仍不理想。可影响癌症预后的因素很多，例如对肝癌来说：从性别上发现女患者的生存期较长，肿瘤的大小、单个或多发、有无包膜及有无门静脉癌栓等均影响肝癌的预后。另外,根据癌症病期不同，所选择的治疗手段恰当与否、手术后复发的预防与治疗也直接影响着癌症的预后。因此患者的病理诊断结果对于癌症诊断、指导治疗、判断预后非常重要。医生对于患者预后情况的判断需要考虑许多因素，情况比较复杂，但是一张病理图像通常是千万像素级别，想要从中分析患者预后的相关信息，对于医生来说十分费时费力，并且目前没有具体的判断预后效果的指标，在实际应用中难以准确评估。

因此需要提出一种根据患者病理组织图像分析患者预后风险评估预后结果的方法。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明实施例提出一种癌症预后分析方法，能够根据患者病理组织图像分析患者预后风险评估预后结果。

第一方面，本发明实施例提出：一种癌症预后分析方法，包括：

根据组织类别在病理图像样本采样获得局部切片样本，所述组织类别包括：肿瘤细胞类别、间质细胞类别、癌旁细胞类别、坏死细胞类别；

将所述局部切片样本输入至预先构建并训练好的预后分析模型中得到预后风险值，所述预后分析模型通过卷积神经网络模型提取所述局部切片的特征向量，将所述特征向量输入回归模型中输出患者的预后风险值，所述卷积神经网络模型为ResNet模型，所述回归模型为线性COX回归模型。

进一步地，所述根据患者病理图像样本获取患者的局部切片样本具体包括：

获取不同放大倍率的所述病理图像样本对应的分类掩码图像；

选取滑动窗口在所述分类掩码图像上进行局部随机采样，得到不同放大倍率的局部切片样本。

进一步地，所述获取不同放大倍率的所述病理图像样本对应的分类掩码图像具体包括：

对所述病理图像样本根据预设缩放倍率进行缩放得到对应缩放倍率的缩略图像；

采用最大类间阈值法保留所述缩略图像的前景区域；

对所述前景区域通过分类模型进行分类识别，生成所述分类掩码图像。

进一步地，所述局部随机采样的过程为：在所述分类掩码图像上根据不同缩放比例对应的滑动窗口选择像素区域，逐一判断像素区域内每一个像素的组织类别，如果每个像素都属于相同的组织类别，则将所述像素区域的中心像素点映射到不同缩放比例对应的缩放图像中得到所述局部切片样本；

所述组织类别包括：肿瘤细胞类别、间质细胞类别、癌旁细胞类别、坏死细胞类别。

进一步地，预先构建并训练所述预后分析模型具体包括：