[发明专利]基于组织病理图像深度域适应的TMB分类方法及系统

权利要求书

1.一种基于组织病理图像深度域适应的TMB分类方法，其特征在于，包括：

从TCGA数据和已知临床数据中选取已标注病理图像，划分入第一图像集和第二图像集；

对该第一图像集的病理图像进行切分，得到多个具有感兴趣区域特征的第一图像块，构建为第一训练数据集，训练深度学习识别网络获得感兴趣区域识别模型；

以该感兴趣区域识别模型获取该第二图像集的病理图像的感兴趣区域，并切分得到多个带有TMB类型标签的第二图像块，构建为第二训练数据集，训练深度学习分类网络获得TMB分类模型；

获取目标病理图像的感兴趣区域，以该TMB分类模型对该感兴趣区域进行分类，得到该目标病理图像的TMB类别。

2.权利要求1所述的TMB分类方法，其特征在于，该深度学习分类网络具有域适应结构，并采用domainloss损失函数作为域间损失函数；

以该第二图像集中TCGA数据集病理图像切分得到的第二图像块为训练该深度学习分类网络的源域数据；

以该第二图像集中已知临床病理图像切分得到的第二图像块为训练该深度学习分类网络的目标域数据。

3.如权利要求1所述的TMB分类方法，其特征在于，通过该感兴趣区域识别模型对该目标病理图像进行识别，以获取该感兴趣区域。

4.权利要求1所述的TMB分类方法，其特征在于，对该已标注病理图像进行切分的过程包括：

获取该已标注病理图像的组织掩码及癌灶区概率热图，获取该已标注病理图像的癌灶区掩码；使用滑窗根据该癌灶区掩码在该已标注病理图像进行滑动切分，并去除背景，得到该第一图像块。

5.一种基于组织病理图像深度域适应的TMB分类系统，其特征在于，包括：

第一模型训练模块，用于训练感兴趣区域识别模型；其中，对已标注病理图像进行切分，得到多个具有感兴趣区域特征的图像块，构建为第一训练数据集，训练深度学习网络获得该感兴趣区域识别模型；

第二模型训练模块，用于训练TMB分类模型；其中，以该感兴趣区域识别模型对未标记病理图像进行切分，得到多个带有TMB类型标签的图像块，构建为第二训练数据集，训练具有域适应结构的深度学习分类网络获得该TMB分类模型；

图像分类模块，用于获取目标病理图像的感兴趣区域，并以该TMB分类模型对该感兴趣区域进行分类，得到该目标病理图像的TMB类别。

6.权利要求5所述的TMB分类系统，其特征在于，该具有域适应结构的深度学习分类网络采用domainloss损失函数作为域间损失函数。

7.权利要求5所述的TMB分类系统，其特征在于，该图像分类模块包括目标图像预处理模块，用于通过该感兴趣区域识别模型对该目标病理图像进行识别，以获取该感兴趣区域。

8.权利要求5所述的TMB分类系统，其特征在于，该第一模型构建模块包括：

图像切分模块，用于切分该已标注病理图像以获取该具有感兴趣区域特征的图像块；其中获得该已标注病理图像的组织掩码及癌灶区概率热图，获取该病理图像的癌灶区掩码；使用滑窗根据该癌灶区掩码在该已标注病理图像进行滑动切分，并去除背景，得到该具有感兴趣区域特征的图像块。

9.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，当该计算机可执行指令被执行时，实现如权利要求1～4任一项所述的基于组织病理图像深度域适应的TMB分类方法。

10.一种数据处理装置，包括如权利要求9所述的计算机可读存储介质，当该数据处理装置的处理器调取并执行该计算机可读存储介质中的计算机可执行指令时，对目标病理图像进行深度域适应的TMB图像分类。