[发明专利]一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别方法和系统

权利要求书

1.一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别方法，其特征在于，包括以下步骤：

步骤(a)，构建深度神经网络；

步骤(b)，将切片图像的背景区域去除，提取出组织区域作为感兴趣区；

步骤(c)，将切片图像裁剪为小块图像；

步骤(d)，将小块图像输入深度神经网络，计算每个小块图像的肿瘤概率评分；

步骤(e)，根据多个小块图像的肿瘤概率评分，合成整个组织切片图像的肿瘤热力图；

步骤(f)，将肿瘤热力图二值化，生成一个黑白的mask图，然后使用中值滤波去除假阳性点，最后计算整个mask图中阳性点的数量，大于预设阈值判定为肿瘤切片，小于预设阈值判定为正常切片。

2.如权利要求1所述的一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别方法，其特征在于，还包括：采用染色均一化来均衡不同切片图像之间的染色差异。

3.如权利要求2所述的一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别方法，其特征在于，所述采用染色均一化来均衡不同切片图像之间的染色差异的步骤，包括：给定一个目标图像，计算得出该目标图像的染色矩阵S和像素浓度矩阵C，然后将待变换图像的染色矩阵替换为目标图像的染色矩阵。

4.如权利要求3所述的一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别方法，其特征在于，使用如下S矩阵来表示切片图像的染色矩阵：

对于一张RGB图像，首先，将其转换为一张光密度RGB图像，计算该光密度RGB图像的OD矩阵；

然后，计算染色矩阵S；

接下来，所述OD矩阵与所述S矩阵有如下的关系：

OD_flat＝C×S

其中，C是像素浓度矩阵，通过求解得到像素浓度矩阵C。

5.一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别系统，其特征在于，包括：

第一模块，将切片图像的背景区域去除，提取出组织区域作为感兴趣区；

第二模块，将切片图像裁剪为小块图像；

所述小块图像输入到深度神经网络，深度神经网络包括第一单元、第二单元、第三单元、第四单元和第五单元；第一单元用于计算每个小块图像的肿瘤概率评分；第二单元根据多个小块图像的肿瘤概率评分，合成整个组织切片图像的肿瘤热力图；第三单元将肿瘤热力图二值化，生成一个黑白的mask图；第四单元使用中值滤波去除假阳性点；第五单元计算整个mask图中阳性点的数量，大于预设阈值判定为肿瘤切片，小于预设阈值判定为正常切片。

6.如权利要求5所述的一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别系统，其特征在于，还包括第三模块，第三模块采用染色均一化来均衡不同切片图像之间的染色差异。

7.如权利要求6所述的一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别系统，其特征在于，所述第三模块包括：给定一个目标图像，计算得出该目标图像的染色矩阵S和像素浓度矩阵C，然后将待变换图像的染色矩阵替换为目标图像的染色矩阵。

8.如权利要求7所述的一种基于深度神经网络的胃癌淋巴结染色病理图像自动识别系统，其特征在于，使用如下S矩阵来表示切片图像的染色矩阵：

对于一张RGB图像，首先，将其转换为一张光密度RGB图像，计算该光密度RGB图像的OD矩阵；

然后，计算染色矩阵S；

接下来，所述OD矩阵与所述S矩阵有如下的关系：

OD_flat＝C×S

其中，C是像素浓度矩阵，通过求解得到像素浓度矩阵C。

9.一种电子设备，其特征在于，包括：

至少一个处理器；和

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行时，使所述至少一个处理器执行如权利要求1至4任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，存储有计算机可执行指令，所述计算机可执行指令设置为执行如权利要求1至4任一项所述的方法。