[发明专利]基于多种染色病理图像的诊断信息评估方法及系统

说明书

本发明公开了一种基于多种染色病理图像的诊断信息评估方法及系统，主要包括如下部分：通过深度学习技术发现和提取病灶区域以及非病灶区域在不同染色病理图像上存在的染色差异和细胞形态模式，用于评估多种染色病理图像在疾病诊断过程中的重要性，量化疾病区域所包含的诊断信息量。所述方法通过将寻找多种染色图像信息权重的问题转化为度量图像病灶区域之间以及与非病灶区域差异大小的问题，实现了对多种染色病理图像中所包含的诊断信息进行准确量化评估的目的。

技术领域

本发明涉及生物医学信息技术，人工智能技术领域，具体而言，涉及一种基于多种染色病理图像的诊断信息评估方法及系统。

背景技术

病理诊断通常需要将病变组织制成病理切片，染以各种颜色，供在显微镜下检查，用来观察病理变化。常用的病理切片染色方法包括苏木精-伊红染色(Hematoxylin-Eosin，HE)、阿米巴滋养体染色(Alcian Blue and Periodic Acid-Schiff，AB-PAS)、马松三色(Masson Trichrome)染色,平滑肌肌动蛋白(Actin,Smooth Muscle，SMA)染色，胶原纤维(Van Gieson，VG)染色等。不同的染色由于其染色原理不同，能够突出病理图像不同的组织信息。例如，HE染色利用细胞核与细胞质的嗜酸性与嗜碱性的差异，使得细胞核呈现蓝紫色，细胞质呈现红色，从而便于医生观察组织是否发生了细胞核相关的病变，例如细胞核缺失等。VG染色对于组织的弹力纤维有较好的显色，可以观察弹力纤维是否发生断裂。然而，使用多种染色的病理图像对疾病类型和严重程度进行人工判断，其过程费时费力，并且常常依赖医生的临床经验，具有主观性强、精确度低、可重复性差等缺点。因此，设计和开发基于计算机技术的智能辅助评估系统具有重要的临床意义。

近年来，人工智能尤其是深度学习技术在智能化医疗中具有广泛的应用，在临床辅助决策中发挥重要作用。计算机辅助评估系统能够对多种染色病理图像进行分类和分析，帮助临床医师提高诊断效率和准确率。然而，基于多染色病理图像的智能辅助评估系统构建的一个难点在于，如何准确评估不同染色病理图像中所包含的诊断信息，达到有效融合多种类的病理图像的目的。例如，主动脉瘤患者的病理图像中所呈现的细胞核缺失现象，在HE染色图像中能够明显地观察到，然而在其他染色病理图像中不明显。因此，如果能通过一种信息评估方法判断不同染色病理图像中的诊断信息，使得医师在临床诊断中更加关注含有重要信息的病理图像，不仅能提高诊断效率，并且有助于有效融合多种染色病理图像，构建性能稳定的病理图像智能分析系统。本发明公开提供了一种基于多种染色病理图像的诊断信息评估方法及系统。该方法采用深度学习技术，量化病灶区域之间以及非病灶区域间的染色差异和细胞形态变化，从而评估多种染色病理图像所包含的诊断信息。所述方法通过将寻找多种染色图像信息权重的问题转化为度量图像病灶区域之间以及与非病灶区域差异大小的问题，从而获得了更具有可靠性的多种染色病理图像诊断信息重要性的数值化评估指标。

发明内容

为解决现有技术中无法准确获得不同染色病理图像所包含的诊断信息重要性的问题，本发明公开提供了一种基于多种染色病理图像的诊断信息评估方法及系统，有效地将寻找多种染色图像信息权重的问题转化为度量图像病灶区域之间以及与非病灶区域差异大小的问题，进而计算病理图像中非病灶区域和病灶区域的差异，从而实现评估和量化不同染色病理图像诊断信息重要性的目的。

第一方面，本发明实施例提供了一种基于多种染色病理图像的诊断信息评估方法及系统，包括以下步骤：针对待评估多种染色病理图像进行预处理；对预处理后的所述多种染色病理图像依次通过深度卷积神经网络进行模型训练，构建多种染色病理图像诊断信息评估网络，对执行预处理后的多种染色病理图像执行自动获取图像向量间距离操作；通过统计学分析和归一化，对自动获取的向量间距离执行权重计算，获得用于评估不同染色病理图像诊断信息重要性的数值化指标。

在其中一个实施例中，所述针对待评估的多种染色病理图像进行预处理包括：对所述多种染色病理图像执行图像配准操作。