[发明专利]基于图像语义分割的三级淋巴结构识别方法和系统

权利要求书

1.基于图像语义分割的三级淋巴结构识别系统，其特征在于：包括：

图像预处理模块，用于对全景病理扫描图中的成熟三级淋巴结构、非成熟三级淋巴结构进行标注；

获取若干患者的全景病理扫描图，将全景病理扫描图放大40倍，使用Qupath软件对全景病理扫描图中的成熟三级淋巴结构、非成熟三级淋巴结构、参考器官进行标注，未标注的地方作为纯粹背景；

在标注前，将放大40倍的全景病理扫描图进行栅格化处理，划分为N×M个长宽相等的栅格；每个栅格中包含n×n个像素点；

在标注时，成熟三级淋巴结构携带的标签值为，非成熟三级淋巴结构携带的标签值为，参考器官携带的标签值为，纯粹背景携带的标签值为；

T表示全景病理扫描图中共有T个成熟三级淋巴结构，t表示其中第t个成熟三级淋巴结构；Z表示全景病理扫描图中共有Z个非成熟三级淋巴结构，z表示其中第z个非成熟三级淋巴结构；O表示全景病理扫描图中共有O个参考器官，o表示其中第o个参考器官；B表示全景病理扫描图中共有B个纯粹背景，b表示其中第b个纯粹背景；下标num_NM表示所在的栅格编号；

类别概率计算模块，用于根据贝叶斯理论计算全景病理扫描图中像素点的类别概率；

计算全景病理扫描图中像素点x_i的类别概率：

其中，为像素点x_i的类别概率，类别包括四类，分别为成熟三级淋巴结构T、非成熟三级淋巴结构Z、参考器官O、纯粹背景B；表示像素点x_i所属的类别；

为似然函数：

其中，为伽马函数，为尺度参数，，K为类别总数，K=4，k∈K；为位移参数，，I为像素点总数；

为先验概率：

其中，k1表示参考器官O，k2表示纯粹背景B，k3表示成熟三级淋巴结构T，k4表示非成熟三级淋巴结构Z；y_k1表示类别k1，y_k2表示类别k2；表示背景混合核函数，表示像素混合核函数；为第一置信函数，用于表示像素点x_i的背景属于k1、k2的置信度；为第二置信函数，用于表示像素点x_i属于k1、k2、k3、k4的置信度；

在第一置信函数中：

在第二置信函数中：

；

特征向量计算模块，用于基于像素点的类别概率，计算像素点的特征向量；

获得所有像素点x_i的类别概率后，计算像素点x_i的特征向量：

其中，FP_T(i)表示像素点x_i属于类别成熟三级淋巴结构时的特征值，FP_Z(i)表示像素点x_i属于类别非成熟三级淋巴结构时的特征值，FP_O(i)表示像素点x_i属于类别参考器官时的特征值，FP_B(i)表示像素点x_i属于类别纯粹背景时的特征值；

模型训练模块，用于使用像素点的特征向量对多模态卷积神经网络模型进行训练，得到训练好的多模态卷积神经网络模型。