[发明专利]医用图像诊断装置、图像处理装置和方法、判断单元以及存储介质

说明书

本发明涉及一种医用图像诊断装置、图像处理装置和方法、判断单元以及存储介质，所述医用图像诊断装置包括：接收单元，其配置成接收病理图像；划分单元，其配置成将所述病理图像划分成多个小块；以及判断单元，包括：第一分类模型单元，其配置成将所述多个小块中的至少部分进行第一级分类以获得第一分类结果；第二分类模型单元，其配置成将分类为所述第一分类结果中的预定类别的小块进行第二级分类，以获得第二分类结果；并且所述判断单元根据所述第一分类结果和所述第二分类结果确定所述病理图像的病理属性。

技术领域

本发明涉及利用机器学习识别图像的区域类型的领域，更具体地，涉及医用图像诊断装置、图像处理装置、图像处理方法、用于医用图像诊断的判断装置以及计算机可读存储介质。

背景技术

在肿瘤治疗领域，免疫疗法是目前最重要的治疗手段。其中，PD-L1是临床中非常重要的药物作用靶点，针对PD-L1的免疫治疗已经有多个药物在多个国家批准上市，这些药物包括帕博丽珠单抗、纳武单抗等。在临床实践中，PD-L1的表达已经作为一个免疫治疗相关药物的生物标记物而得到广泛使用。使用免疫组化染色可以评估肿瘤组织中PD-L1表达。

PD-L1的表达由具有丰富经验的病理医生进行评估。对病理医生来说，该评估过程既耗时，也具有不稳定的主观性。而且，肿瘤组织存在的异质性、PD-L1在一些非肿瘤细胞中的表达、以及病理医生之间存在的主观性等因素都有可能对准确PD-L1表达的判定造成一定的挑战。

发明内容

本发明旨在提供一种利用机器学习识别图像的区域类型的机制，该机制通过将预定类别的小块进行第二级分类来提高预测的准确性，具体而言：

根据本发明的一方面，提供一种医用图像诊断装置，包括：接收单元，其配置成接收病理图像；划分单元，其配置成将所述病理图像划分成多个小块；以及判断单元，其包括：第一分类模型单元，其配置成将所述多个小块中的至少部分进行第一级分类以获得第一分类结果；第二分类模型单元，其配置成将分类为所述第一分类结果中的预定类别的小块进行第二级分类，以获得第二分类结果；并且所述判断单元根据所述第一分类结果和所述第二分类结果确定所述病理图像的病理属性。

根据本发明的一些实施例，可选地，所述病理图像为PD-L1免疫组化染色图像。

根据本发明的一些实施例，可选地，所述第一分类结果包括：PD-L1阳性表达的肿瘤细胞、PD-L1阴性表达的肿瘤细胞、PD-L1阳性表达的免疫细胞以及其他组织。

根据本发明的一些实施例，可选地，所述预定类别为PD-L1阳性表达的肿瘤细胞。

根据本发明的一些实施例，可选地，所述第二分类结果为所述PD-L1阳性表达的肿瘤细胞按面积占比的分类。

根据本发明的一些实施例，可选地，所述第二分类结果包括：PD-L1阳性表达的肿瘤细胞面积占比大于0且小于等于25%、PD-L1阳性表达的肿瘤细胞面积占比大于25%且小于等于50%、PD-L1阳性表达的肿瘤细胞面积占比大于50%且小于等于100%。

根据本发明的一些实施例，可选地，所述病理属性为划分成PD-L1阳性表达的肿瘤细胞的小块的数量加权求和与总的肿瘤细胞小块的数量的比值。

根据本发明的一些实施例，可选地，总的肿瘤细胞小块包括划分成PD-L1阳性表达的肿瘤细胞的小块与划分成PD-L1阴性表达的肿瘤细胞的小块。

根据本发明的一些实施例，可选地，根据所述第二分类结果为每个划分成PD-L1阳性表达的肿瘤细胞的小块分别配置权重。

根据本发明的一些实施例，可选地，若所述第二分类结果中PD-L1阳性表达的肿瘤细胞按面积占比越高，则对应的小块权重越大。