[发明专利]一种人工智能评估供肾质量的方法及系统

权利要求书

1.一种人工智能评估供肾质量的方法，其特征在于，包括用于分割肾脏组织区域的第一深度神经网络和用于纤维化区域识别的第二深度神经网络，该方法还包括如下处理步骤；

步骤1：将待评估肾脏的数字病理图像分别输入到第一深度神经网络和第二深度神经网络；

步骤2：第一深度神经网络对接收的数字病理图像进行分割得到正常肾小球区域、硬化肾小球区域、正常肾小管区域、萎缩肾小管区域、动脉管壁区域、动脉管腔区域和肾间质区域，然后将各区域图片发送到对应的检测模块进行检测；

步骤3：第二深度神经网络对接收的数字病理图像进行纤维化区域提取并将纤维化区域发送到对应的检测模块进行检测；

步骤4：各相关的检测模块进行检测并将检测结果，即肾小球硬化测量值、肾小管萎缩测量值、动脉狭窄测量值及间质纤维化测量值，发送到病理评分模块(6)，病理评分模块(6)根据设定阈值对各检测结果进行评分，然后将各项评分根据设定进行评估，输出待评估肾脏评估结果。

2.根据权利要求1所述的一种人工智能评估供肾质量的方法，其特征在于，所述第一深度神经网络形成过程中通过DeeplabV3网络结构对各组织区域进行勾画设定，输入的数字病理图像分成小图块输入到设定相应的神经网络中进行特征学习；所得特征通过批归一化和实例归一化处理生成相应的特征部分，然后通过最小化不同损失函数处理，从而完成分割的训练。

3.根据权利要求2所述的一种人工智能评估供肾质量的方法，其特征在于，所述训练过程中输入的数字病理图像采用0.25um/像素、0.5um/像素及1um/像素的分辨率，并将各分辨率下的输入的数字病理图像分割结果进行集成融合，得到最终的分割区域。

4.根据权利要求2或3所述的一种人工智能评估供肾质量的方法，其特征在于，所述输入的数字病理图像为全片数字病理图像。

5.根据权利要求1所述的一种人工智能评估供肾质量的方法，其特征在于，所述第二深度神经网络输入的数字病理图像为马森三色染色的数字病理图像；在第二深度神经网络中通过CycleGAN网络得到马森三色染色的肾脏病理图像；对马森三色染色的肾脏病理图像进行颜色反卷积，将卷积后的图像与原马森三色染色的数字病理图像建立非线性映射关系，然后将得到的图像颜色进行标准化校准，校准后的图像转换成光密度图像，根据光密度图像初始化染料色谱的初始矢量；然后使用独立成分分析技术获得染色拆解后每一种染料的染色强度图谱，去除染色强度低于预设大小的像素点，剩余的像素点集即是提取到的纤维化区域。

6.根据权利要求5所述的一种人工智能评估供肾质量的方法，其特征在于，在CycleGAN网络中形成两个生成对抗网络，即第一对抗网络和第二对抗网络，所述第一对抗网络接收马森三色染色的数字病理图像后形成马森三色染色的肾脏病理图像，所述第二对抗网络将第一对抗网络得到的马森三色染色的肾脏病理图像处理得到马森三色染色的数字病理图像，其中，第二对抗网络得到的马森三色染色的数字病理图像与原马森三色染色的数字病理图像保持一致，否则，马森三色染色的肾脏病理图像处理无效；

在CycleGAN网络训练过程中，输入的数字病理图像切成512*512像素大小的图块进行训练并且使用6层的Resnet网络结构作为特征提取器，训练中通过损失函数进行图形优化处理，损失函数由对抗网络损失和循环一致损失两部分组成。

7.根据权利要求1所述的一种人工智能评估供肾质量的方法，其特征在于，所述病理评分模块(6)中对于各检测结果评分设定为：肾小球硬化评分，肾小球硬化测量值20％，为1分，肾小球硬化测量值在20％-50％，为2分，肾小球硬化测量值50％，为3分；肾小管萎缩评分，肾小管萎缩测量值20％，为1分，肾小管萎缩测量值在20％-50％，为2分，肾小管萎缩测量值50％，为3分；动脉狭窄评分，动脉狭窄测量值1,为1分，动脉狭窄测量值在20％-50％，为2分，动脉狭窄测量值50％，为3分；间质纤维化评分，间质纤维化测量值20％，为1分，间质纤维化测量值在20％-50％，为2分，间质纤维化测量值50％，为3分。