[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

说明书

本发明涉及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，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；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。本发明的系统可以对胃癌转移淋巴结的切片图像进行自动识别，能够提高组织病理学中诊断过程的效率。

技术领域

本发明涉及深度神经网络领域，特别涉及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，还涉及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，还涉及一种电子设备，还涉及一种计算机可读存储介质。

背景技术

胃癌是全球常见的恶性肿瘤之一，预后差，严重威胁人类健康。根据GLOBOCAN的最新统计数据，2018年全球胃癌新发病例约103.3万例，死亡病例约78.3万例，分别位于恶性肿瘤发病率第5位、死亡率第2位。据我国最新癌症统计信息，每年胃癌新发病例约为67.9万例，死亡病例约为49.8万例，发病人数和死亡人数均居所有恶性肿瘤第2位。

在胃癌中，淋巴结转移被认为是重要的预后因素，根据第8版美国的癌症联合委员会(American Joint Committee on Cancer，AJCC)，术后病理TNM系统中N分期由转移淋巴结的数量决定，基于孤立的肿瘤细胞或肿瘤细胞簇的直径，淋巴结转移瘤可分为三类：直径0.2mm，定义为ITCs(孤立肿瘤细胞)，直径为0.2mm-2mm为MI(微小转移)，直径＞2mm为MA(宏转移)。常规病理淋巴结的检测直接影响临床分期的准确性、预后评估及辅助治疗的选择。由于癌症发病率和淋巴结清扫范围的增加，病理学家必须通过大量的载玻片，通常包括额外的免疫组化染色才能得到完整的诊断。

全扫面切片技术可以实现病理切片数字化，随着全切片图像的采集、处理和分析方面技术的发展，数字病理在过去的十年内逐渐的应用到科研及临床中，但是目前，在日常病理切片诊断过程中，医生通常通过逐片阅读对整张切片中存在的转移性淋巴结进行检测并分类，筛选出最终确定转移性淋巴结的图像和位置，因此，医生的工作量非常大，而且效率低。

目前，人工智能已经取得飞速发展，深度学习算法在图像识别领域已取得较好成效，如何通过人工智能实现胃癌转移淋巴结自动识别，是目前亟待解决的问题。

发明内容

本发明提出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、系统、电子设备、计算机可读存储介质，能够训练深度神经网络对数字病理进行识别，解决了现有技术中需要人工对数字病理进行识别的问题。

本发明的技术方案是这样实现的：

本发明提供了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。

在一些实施例中，所述方法，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。