[发明专利]肾细胞癌类型的计算机辅助诊断系统及设备

权利要求书

1.一种肾细胞癌类型的计算机辅助诊断系统，其特征在于，包括：

数据采集模块，收集标注好的肾脏组织全切片图像，构建训练集；肾脏组织全切片图像的类型包括正常型、肾透明细胞癌型、肾乳头状细胞癌型、肾嫌色细胞癌型；

数据处理模块，对肾脏组织全切片图像进行预处理；

特征学习模块，包括基于深度学习网络构建的肾组织全切片图像的特征学习器，采用所述的训练集对特征学习器进行训练；

图像特征库，将训练集的样本输入到训练好的特征学习器中，提取样本的特征向量；收集所有预测正确且概率大于设定值的样本对应的特征向量及所述类型，构建图像特征库；计算图像特征库中的特征向量之间的类内余弦相似度，并将类内余弦相似度的最小值设为诊断阈值；

分类模块，将待分类肾脏组织全切片图像输入至数据处理模块进行预处理，预处理后输入到训练好的特征学习器中提取特征向量，计算待分类肾脏组织全切片图像的特征向量与图像特征库中所有特征向量的余弦相似度similarity；计算所得最大的similarity与诊断阈值的差λ；若λ0，则将待分类肾脏组织全切片图像分类为罕见类肾细胞癌型；若λ0，则将待分类肾脏组织全切片图像分类为similarity最大时所属的类型。

2.根据权利要求1所述的计算机辅助诊断系统，其特征在于，所述的预处理包括依次进行去噪、滑动切片、编码图像块、生成图像矩阵操作。

3.根据权利要求2所述的计算机辅助诊断系统，其特征在于，所述的预处理包括：

（1-1）采用阈值法去除肾脏组织全切片图像中的背景噪声区域，保留前景细胞区域；

（1-2）在某一倍率下，使用滑动窗口对图像区域切片，得到若干图像块并排序；

（1-3）使用在Image-Net数据集上预训练的ResNet50对图像块进行编码，每个图像块被编码为一个特征向量；

（1-4）在第一维度上融合所有图像块的特征向量，得到图像矩阵，用于表征肾组织全切片图像。

4.根据权利要求1所述的计算机辅助诊断系统，其特征在于，所述的特征学习器包括：

特征增强层，对肾脏组织全切片图像的特征进行增强，得到肾脏组织全切片图像的特征矩阵H_i^c；H_i^c表示c类中第i个肾组织全切片图像的特征矩阵，c∈{正常型；KIRC型；KIRP型；KICH型}；KIRC为肾透明细胞癌，KIRP为肾乳头状细胞癌，KICH为肾嫌色细胞癌；

表层特征建模层，基于Transformer的结构构建，以所述的特征矩阵 H_i^c为输入，提取肾脏组织全切片图像的表层特征，得到第一特征图F₁；

深层特征建模层，采用双尺度的卷积结构，以所述的第一特征图F₁为输入，提取肾脏组织全切片图像的深度特征，融合表层特征和深度特征，得到第二特征图F₂；

特征聚合层，与所述的表层特征建模层结构相同，以所述的第二特征图F₂为输入，得到肾脏组织全切片图像的特征表达F_O；

多层感知机，以所述的特征表达F_O为输入，对肾脏组织全切片图像进行拟合，预测肾脏组织全切片图像的类型。