[发明专利]基于图神经网络的医疗影像分析方法及系统

说明书

本发明提供一种基于图神经网络的医疗影像分析方法及系统，包括：对染色的病理组织切片医疗影像切割成多个图像块；采用图像背景分离检测算法保留显示在有效组织区域之中的图像块，有效组织区域为包含病理组织的区域；对保留的图像块进行细胞切割和特征提取，获得细胞的特征信息，特征信息包括细胞的位置、颜色和几何信息；根据细胞的特征信息生成保留的图像块对应的特征图，节点代表细胞及细胞的特征信息，边代表相邻细胞的连接及距离；采用图神经网络根据特征图对保留的图像块进行分类，获得图像块的类别；根据所有保留的图像块的类别得到切割前的医疗影像的类别。上述方法及系统可解释性强，分类准确。

技术领域

本发明涉及图像分析技术领域，更具体地，涉及一种基于图神经网络的医疗影像分析方法及系统。

背景技术

肺癌是一种在世界范围内流行的癌症。在进行对肺癌等癌症的诊断时，医生需要对病人的患处组织的病理切片图像进行分析，并最终判断出病人是否患癌、癌症种类以及严重程度。然而，这种医生进行诊断的过程非常耗时，占用了很多医生宝贵的工作时间，严重影响了诊断效率和可接诊的病人容量。并且，医生人工对切片判断的结果，容易受到医生个人因素、切片成像效果等因素的影响。把医学影像分析应用于计算机辅助诊断(ComputerAided Diagnosis,CAD)系统中，可以帮助解决这些问题。

历史上，为了实现计算机辅助诊断癌症，科学家们使用了各种不同的方法对病理图像块进行分析。

在现有技术的一个方法中，采用传统图像特征对病理图像块进行分析，具体地：在最早的时候，人们使用图像处理中常用的特征进行分析。在提取出图像中细胞等物体的颜色、纹理和细胞网络结构特征之后，这些特征被放入例如Adaboost,SVM,LDA这种分类器进行分类，并判断该图像是否为癌症图像以及其他任务。这种特征包括颜色，小波变换，Gabor变换，LBP等特征，在2009年之前起到了不错的效果。

在现有技术的另一个方法中，采用神经网络对病理图像块进行分析。神经网络是目前最火热的计算机智能算法。在进行对包括图像在内的各种数据的不同分析任务中，神经网络实现了很多传统特征和算法无法企及的任务。在CAD中，神经网络是在2009年后非常重要的技术。人们使用U-Net等神经网络，对分辨率在10000*10000量级的全尺寸病理扫描图像(Whole Slide Image,WSI)进行分析；同时，人们把病理影像切分而成的切块(tile)放入诸如VGG,ResNet,Inception等深度神经网络进行训练，进行对整体影像的各个小区域的诊断判别，以及对细胞等细节进行切割、诊断等任务。这种方法在2012年神经网络的爆发之后开始得到极其广泛的应用，解决了以前从未解决过的问题，创造了接近医生的准确率。然而，神经网络有它的最严重的问题：不可解释性。神经网络的可解释性是一个从它开始传播开来之时就引起了广泛担忧的缺陷：即使它实现了极其优秀的性能，由于现在没有任何足够有说服力的理论从数学上证明它的性能的可靠，它还不被理论学术界完全信任。这对于直接涉及生命和人文关怀的医学任务来说是个伦理上的灾难。

发明内容

本发明提供一种可解释性强的高性能的基于图神经网络的医疗影像分析方法及系统。

根据本发明的一个方面，提供一种基于图神经网络的医疗影像分析方法，包括：

对染色的病理组织切片的医疗影像进行切割，切割成多个图像块；

采用图像背景分离检测算法将显示在有效组织区域之中的图像块被保留，其余的则被舍弃，所述有效组织区域为包含病理组织的区域；

对保留的图像块进行细胞切割和特征提取，获得细胞的特征信息，所述特征信息包括：细胞的位置、颜色和几何信息；

根据细胞的特征信息生成保留的图像块对应的特征图，其中，所述特征图的节点代表细胞及细胞的特征信息，所述特征图的边代表相邻细胞的连接及距离；