[发明专利]肝癌IHC染色图的血管分布模式的识别方法、系统和存储介质

权利要求书

1.肝癌IHC染色图的血管分布模式的识别方法，其特征在于，包括下述步骤：

收集肝癌患者癌变区域组织的病理切片图像，染色处理得到肝癌IHC染色病理切片，再对所述肝癌IHC染色病理切片进行数字化得到肝癌IHC染色图；

在所述肝癌IHC染色图中划定感兴趣区域，并将所述感兴趣区域划分为不同的血管分布模式，得到数据集，其中，所述的不同的血管分布模式包括肿瘤包绕型血管、肿瘤毛细血管和正常组织；

根据所述数据集，切分出训练集和测试集，对所述训练集进行数据增强处理，另从所述训练集中划分出验证集，其中，所述训练集用于训练卷积神经网络分类器，所述验证集用于内部验证卷积神经网络分类器的分类性能，所述测试集用于进一步外部测试卷积神经网络分类器的分类性能；

使用所述训练集训练卷积神经网络分类器，并使用所述验证集对卷积神经网络分类器的性能进行内部验证，然后在所述测试集上对卷积神经网络分类器的性能进行最终验证，得到训练好的卷积神经网络分类器；

使用所述训练好的卷积神经网络分类器对所述肝癌IHC染色图中不同的血管分类模式进行分类，并将分类结果汇集成RGB颜色空间下的概率分布热力图；具体为：

通过数字图像处理方法技术，在1x倍率下对所述肝癌IHC染色图像依次进行降采样、灰度化、高斯模糊、阈值分割、形态学闭操作、孔洞填充操作，从而生成肝癌IHC染色图有组织区域的掩模；

将1x倍率下的掩模放大10倍以匹配肝癌IHC染色图大小，在有组织区域即掩模的有效区域中，通过滑动窗口操作，每次在肝癌IHC染色图中截取相应像素大小的正方形图像块，其中，所述滑动窗口采用非重叠滑窗，即滑动窗口的步长像素等于图像块边长像素；

将所述图像块送入所述训练好的卷积神经网络分类器中，对每个图像块输出一个所属血管分布模式的概率分布结果；

将所述概率分布结果，与所述肝癌IHC染色图空间位置相对应地汇集成概率分布热力图，对于某一图像块，若卷积神经网络分类器输出的概率分布结果中正常组织的概率大于0.5，则将概率分布热力图对应位置填涂为RGB颜色通道下的颜色A，反之则根据卷积神经网络分类器输出的概率分布结果中肿瘤包绕型血管和肿瘤毛细血管的概率，将对应位置填涂为RGB颜色通道下的颜色B，其中A与B的值如下：

A＝[255,0,0]

其中，P_VETC指卷积神经网络分类器输出的概率分布结果中肿瘤包绕型血管的概率值，P_CLV指卷积神经网络分类器输出的概率分布结果中肿瘤毛细血管的概率值；

使用颜色反卷积算法提取血管壁区域求得血管壁面积，根据所述分类结果求得肿瘤区域面积，通过计算得到血管壁占肿瘤面积比，所述计算得到血管壁占肿瘤面积比的具体步骤为：

在所述肝癌IHC染色图中的10x倍率下使用非重叠滑动窗口操作，每次截取相应像素大小的正方形图像块，并将图像块送入所述训练好的卷积神经网络分类器中，判断是否是肿瘤包绕型血管结构或肿瘤毛细血管结构，是则认为该图像块属于肿瘤区域并将其保存；

对保存好的所有肿瘤区域的图像块依次应用颜色反卷积算法提取其中的血管壁组织，其中，应用所述颜色反卷积算法时，将OD矩阵设置为HDAB染色空间，具体取值为：

MODx＝[0.650，0.268，0]；

MODy＝[0.704，0.570，0]；

MODz＝[0.286，0.776，0]；

取DAB通道的输出即为血管壁组织；

通过对所有肿瘤区域的图像块应用阈值分割获得血管壁组织的区域掩模，将区域掩模像素点求和得到血管壁组织的面积值；

通过下述公式计算血管壁占肿瘤区域面积比：

其中，Ratio_VT为血管壁占肿瘤区域面积比，Vessel_i为单个图像块中血管壁组织的面积，PatchSize为单个图像块的大小，取值为设定大小图像块的边长像素，n为属于肿瘤区域的图像块的总数。

2.根据权利要求1所述肝癌IHC染色图的血管分布模式的识别方法，其特征在于，所述肝癌IHC染色图是依照免疫组织化学原理使用染色剂对血管壁细胞表面的一种名为CD34的蛋白进行抗原抗体匹配染色所得。