[发明专利]基于DCNN的癌症全视野数字病理切片生存分析方法

权利要求书

1.一种基于DCNN的癌症全视野数字病理切片生存分析方法，其特征在于，具体步骤为：

（1）病理切片采样

对于一张已知淋巴密集区域、坏死区域、肿瘤区域、癌旁区域的病理切片，从淋巴密集区域、坏死区域中分别随机采样1个长宽为1024像素的图像；从肿瘤区域中随机采样5个长宽为1024像素的图像；将上述四种区域的掩膜组合为一个4通道的图像，并将其缩放至长宽为512像素作为病理切片的全局分割图；7个采样所得图像块及全局分割图形成一个样本，以此为单位进行模型的训练、测试；

（2）构建预后模型，对样本进行生存分析

在ResNet18基础上去除后两个卷积块及全连接层，再加上一层全局平均池化层，构建得到特征提取器；每个样本对网络的输入分为四组：淋巴密集区域图像块、坏死区域图像块、肿瘤区域图像块及全局分割图；每组输入都经过一个特征提取器提取得到特征向量，其中，各组输入的特征提取器之间不共享参数；

得到特征向量后，对特征向量进行加权求和，权值为可学习参数，在模型训练过程中由模型自行学习所得，权值反映各组输入对预测结果的重要性；

加权求和所得特征向量通过全连接层回归得到生存时间分布，其中激活函数为Softmax；生存时间分布以一个三维向量表示，其各个维度分别表示样本在0~24个月、24~60个月、超过60个月的时间区间内死亡的概率，通过激活函数约束三个概率的和为1；

（3）预后模型训练

网络的损失函数目标为最大化似然概率，在训练过程中遍历各个未删失样本，在计算损失时与所有样本的预测结果进行比较，从而在训练过程中利用到全部样本的信息；具体损失函数为：

其中，表示样本x在时间区间t_i是否死亡，T_j表示样本x_j观测到的死亡时间；若为删失样本，则是最后观测到样本存活的时间，表示样本x由模型预测的在时间区间t上的死亡概率。

2.根据权利要求1所述的方法，其特征在于，预后模型的训练流程如下：

首先，根据标注对每张病理切片的不同区域裁剪若干不重合的图像块，图像块长宽皆为1024个像素，按照采样方法与切片的全局分割组合为样本，存储后作为数据集；使用上述样本构成的数据集使用所述损失函数进行训练；

其中，训练所使用数据至少包括1169张病理切片，来自363位患者，其中有123例存在删失情况；从切片中裁剪出23166个样本作为训练，5528个样本作为测试，保证训练及测试样本来自不同患者。