[发明专利]一种乳腺癌免疫组化人工智能判读方法

说明书

本发明提供的一种乳腺癌免疫组化人工智能判读方法，包括以下步骤：第一步，采用深度卷积神经网络完成对HE显微组织病理数字全景图进行乳腺癌组织分类识别；第二步，基于金字塔模型，对HE和IHC显微乳腺癌组织病理数字全景图之间进行快速精准配准；第三步，通过计算得出免疫组化核阳性率；本发明提供一种乳腺癌免疫组化人工智能判读方法，能够实现对免疫组化乳腺癌组织区域的核阳性率的自动定量计算分析，在保证核阳性率计算结果准确的前提下，减去医生进行人工计数细胞的大量重复繁杂工作，大幅度提高核阳性率的计算效率，高效辅助医生完成免疫组化核阳性分析过程。

技术领域

本发明涉及医疗图像处理技术领域，具体为一种乳腺癌免疫组化人工智能判读方法。

背景技术

乳腺癌是严重威胁女性健康的最常见的癌症之一，也是女性癌症死亡的第二大主要原因。根据2019年我国最新乳腺癌数据报告,我国女性乳腺癌每年发病约为30.4万，发病例数和死亡例数分别占全球发病和死亡的11.2％和9.2％,在世界范围位居前列，并以每年2％左右的速度增长，可见乳腺癌已成为对我国女性健康威胁最大的恶性肿瘤。在过去十几年里，乳腺癌在检测和治疗方面取得了令人兴奋的进展，美国乳腺癌平均5年生存率为90％，然而中国只有73.1％，因此，提高我国乳腺癌患者率生存率是目前面临的一个巨大挑战，而提供高质量的乳腺癌早期检测，精准的个体化治疗服务和对复发病人的预测评估，则是提高乳腺癌患者5-10年生存率的关键因素。

免疫组织化学(Immunohistochemistry)又称免疫细胞化学，它是组织化学的分支，它是用标记的特异性抗体(或抗原)对组织内抗原(或抗体)的分布进行组织和细胞原位检测技术，作为一种成熟、可靠，经济性强且广泛应用的技术手段。但是目前对免疫组化的判读均为人工半定量判读，判读的结果往往随机性强，人为干扰大，客观性差。如果能够有一种全新的客观、精准的方法来对免疫组化结果判读，在进行肿瘤坏死率评估的同时，判读一些特异性蛋白的表达(诸如：ER、PR、VEGFR、PDL-1、PD-1、KI67等)，做为肿瘤组织精准评估的一部分，这将对后继选择分子靶向治疗药物提供重要的参考。诸如在乳腺癌组织标本中，IHC方法检测雌激素受体(ER)，孕激素受体(PgR)，人表皮生长因子受体2(HER2)和Ki-67的表达已成为病理诊断中的常规项目，应用这四个标准的免疫组化检测定量值(IHC4评分)结合临床病理肿瘤等级，大小，淋巴结，患者年龄和治疗等因素，可以预测激素受体(HR)阳性、HER2阴性、淋巴结未扩散的乳腺癌患者经内分泌治疗后的复发风险，称为乳腺癌免疫组化”IHC4预测模型“，其预测远端长达10年。但是免疫组化技术中涉及到的核阳性率，尤其是ki67、ER、PR、AR等指标的计算，需要医生手动计数大量的核阳性细胞和非核阳性细胞，这种虽然工作简单，而且重复，但需要耗费医生大量的时间去完成细胞数的统计，这个过程极为单调，且繁杂，很耗费医生精力。如果能由计算机系统自动完成整个核阳性率的计算分析过程，那将使医生从这种单调而繁杂的工作中解放出来，减少不必要的精力耗费，大大提高医生的工作效率。

近年来，随着深度学习技术在生物医疗病理领域的深入耕耘，基于人工智能的医疗领域蓬勃发展，传统的图像处理技术手段结合新的深度学习技术，在医疗领域也取得了长足的进步，但在处理过程中，大部分都是直接针对单图像进行分析的，有些是只针对HE病理图进行分析的，有些是利用图像处理手段直接对免疫组化(IHC)病理图进行分析的，但是没有直接将二者联系在一起，通过图像配准等技术手段在联合HE和IHC组织病理图，利用深度学习等人工智能技术，全自动完成从病理辅助判读到最终的免疫组化核阳性率的定量分析。

发明内容

针对现有技术存在的上述问题，本发明提供一种乳腺癌免疫组化人工智能判读方法，能够实现对免疫组化乳腺癌组织区域的核阳性率的自动定量计算分析，在保证核阳性率计算结果准确的前提下，减去医生进行人工计数细胞的大量重复繁杂工作，大幅度提高核阳性率的计算效率，高效辅助医生完成免疫组化核阳性分析过程。

为实现上述发明目的，本发明采用的技术方案如下：

一种乳腺癌免疫组化人工智能判读方法，包括以下步骤：