[发明专利]一种HER2免疫组化图像自动判别方法及系统

说明书

本发明公开了一种HER2免疫组化图像自动判别方法及系统，通过对低倍放大视野图像粗分割完成了切片中阳性对照区域和有效组织区域的定位功能，不仅全面利用了切片中的有效组织区域图像信息，也考虑了阳性对照区域的信息，尽可能的消除不同切片之间因为染色、时间等可能造成的误差。同时利用神经网络模型尽可能的挖掘着色情况不同的HER2免疫组化图像的差异性，完成图像的分类，还可以生成分类结果构建的伪彩色图像。本发明还提出一种基于上述HER2免疫组化图像自动判别系统，可视化分类伪彩色图和相关统计量帮助医生快速准确完成HER2免疫组化诊断。

技术领域

本发明属于医疗病理分析技术领域，涉及一种运用计算机图像处理技术分析病理图像的方法，具体涉及一种HER2免疫组化图像自动判别方法及系统。

背景技术

免疫组化技术由于其成本相对较低、染色切片易于保存和使用常规光学显微镜被广泛应用于肿瘤的病理诊断领域，可供病理医生给出综合准确判断。正确检测和评定乳腺癌的HER2蛋白表达和基于扩增状态对乳腺癌的临床治疗和预后判断极为重要。目前国内外一般采用免疫组织化学(IHC)法检测HER2受体蛋白表达状态，应用荧光原位杂交和显色原位杂交法检测HER2基因扩增水平。HER2免疫组化检测评估结果分为四种，其中-、+为阴性，+++为阳性、++为可疑。乳腺癌标本一般可先经IHC检测，检测结果为3+者，可作为建议患者接受曲妥珠单抗等药物治疗的依据；检测结果2+者需重复IHC检查或者荧光原位杂交和显色原位杂交法检测或者送去其他质量有保证的实验室进行检测。

传统病理诊断中，需要病理医生根据免疫组化图像中的阳性区域的细胞数目及染色强度做出半定量判定，对病理医生的专业经验要求较高，且病理诊断结果易受医生主观影响。随着计算机的快速发展，为了提高病理学家判读HER2免疫组化图像的效率，尽可能的减少不同病理医生的主观差异性，使用计算机分析HER2免疫组化图像是一大研究热门。

现有研究中通过分析HER2免疫组化图像主要包括三个阶段：图像预处理、图像特征提取构建特征向量、构建分类器。由于病理图像数字化扫描设备的缺少，使得获取到的病理图像数据仅仅是切片标本中的一部分，使得最终计算机分析给出的结果并不能很好地对当前病理切片做出辅助诊断，仍然需要医生再次复核得到相应病理诊断结果，同时构建的分类器存在再学习训练代价太大等问题，在计算机辅助诊断时未能很好地考虑对照区域的信息，并不适宜在临床病理诊断进行推广。

发明内容

针对现有研究中HER2免疫组化图像判别技术中由于上述缺点造成的临床不易推广使用等问题，本发明提出了一种HER2免疫组化图像自动判别方法，可以自动提取全切片数字化图像中的有效组织图像及对照组阳性图像，然后将其切分成互不重叠的小图像后，经过神经网络模型确认小图像的判断结果构建结果伪彩色图像，经由图像后处理后确定当前切片中阳性细胞的比例，从而做出相应病理结果诊断。同时提出一种基于上述HER2免疫组化图像自动判别方法的系统，用于录入相应病理切片信息、辅助医生快速完成HER2免疫组化结果判读并生成相应HER2免疫组化检测结果报告。

本发明的方法所采用的技术方案是：一种HER2免疫组化图像自动判别方法，其特征在于，包括以下步骤：

步骤1：提取全切片数字化图像ImageSlide中低倍放大图像LowMagnification；其中，低倍放大图像指的是全切片图像中分辨率最小、包含完整切片视野、大约物镜放大倍数为2的图像；

步骤2：阳性对照区域提取得到阳性掩码图像PositiveMask；

步骤3：有效组织区域提取得到组织掩码图像TissueMask；