[发明专利]基于全视野数字切片的病人级别肿瘤智能诊断方法

说明书

本发明为基于全视野数字切片的病人级别肿瘤智能诊断方法，该方法包括以下步骤：获取某种病症的多个病例数据库，各个病例数据库以每个病人的ID命名文件夹，各病例数据库中存储着所有等待诊断的该病例活检组织切片的多张全视野数字切片及对应的诊断结果；提取每张全视野数字切片的图片文件栈底的最小尺寸的数字切片作为该张全视野数字切片的彩色图，并对该彩色图进行缩放获得的彩色缩略图；将某个病例的所有彩色缩略图按通道合并为一张全视野数字切片多通道缩略图；构建深度学习算法模型；加载当前病种的某个病例的全部全视野数字切片，输出智能诊断结果。本发明实现了对需要大存储量的全视野数字切片的有效利用。

技术领域

本发明涉及基于全视野数字切片的病人级别肿瘤智能诊断方法。

背景技术

全视野数字切片具有数十亿像素点，占用内存过多，计算机处理时会出现内存不足的情况，主流的处理方法为将全视野数字切片切割成若干小块，并将这些小块依次输入算法模型中训练得到相应的结果。在这个过程中会出现三问题。首先，全视野数字切片的数据预处理需要花费大量的时间。将一张切片切为小块大致需要3分钟的时间，切割小块和训练小块占用大量的计算资源。其次，一张全视野数字切片大致能切出280张512*512的组织块图片(剔除空白图块后)，而这其中对肿瘤智能诊断提供重要信息的关键组织图块非常少。最后，现有算法均使用单张全视野数字切片切割后的局部组织块进行算法设计，在临床实践中单张全视野数字切片的诊断结果并不能代表一个病例的最终诊断结果。因为，每个病例的活检标本通常会制作2个以上的切片标本，这些切片标本中存在全部为正常组织的切片。在只针对组织图块或全视野数字切片的情况下，很容易对这部分的切片做出“病例健康”的误诊。综上所述，现有技术难以在病例级别进行快速诊断。

发明内容

针对现有技术的不足，本发明的目的是，提供一种基于全视野数字切片的病人级别肿瘤智能诊断方法。

为实现上述目的，本发明的技术方案是：一种基于全视野数字切片的病人级别肿瘤智能诊断方法，该方法包括以下步骤：

加载病例数据：获取某种病症的多个病例数据库，各个病例数据库以每个病人的ID命名文件夹，各病例数据库中存储着所有等待诊断的该病例活检组织切片的多张全视野数字切片及对应的诊断结果；

提取缩略图：全视野数字切片是由不同放大倍率的数字病理切片堆栈形成的后缀名为.wsi格式的图片文件，提取每张全视野数字切片的图片文件栈底的最小尺寸的数字切片作为该张全视野数字切片的彩色图，并对该彩色图进行缩放获得的彩色缩略图；

按通道合并缩略图：将某个病例的所有彩色缩略图按通道合并为一张全视野数字切片多通道缩略图；

构建深度学习算法模型，利用同种病症的多个病例训练深度算法模型，用于对全视野数字切片多通道缩略图进行高维特征提取，根据提取到的特征学习当前病种不同诊断结果之间的异同，输出不同诊断结果对应的高维特征，获得训练好的深度学习算法模型；

加载当前病种的某个病例的全部全视野数字切片，按照上述的提取缩略图、按通道合并缩略图的方式获得当前病例的全视野数字切片多通道缩略图，输入到训练好的深度学习算法模型中，输出智能诊断结果。

与现有技术相比，本发明的有益效果是：

本发明重点保护的是全视野数字切片缩略图在病例级别研究的使用，将全视野数字切片缩略图作为研究对象，进行病理智能诊断，克服了现有技术中病理诊断必先切小块再训练诊断数据处理量大、精度不高的缺点，实现了对需要大存储量的全视野数字切片的有效利用。