[发明专利]一种乳腺癌免疫组化人工智能判读方法

权利要求书

1.一种乳腺癌免疫组化人工智能判读方法，其特征在于，包括以下步骤：

第一步，采用深度卷积神经网络完成对HE显微组织病理数字全景图进行乳腺癌组织分类识别；

第二步，基于金字塔模型，对HE和IHC显微乳腺癌组织病理数字全景图之间进行快速精准配准；

第三步，通过计算得出免疫组化核阳性率。

2.根据权利要求1所述的一种乳腺癌免疫组化人工智能判读方法，其特征在于，所述第一步具体为：

1)利用现有的HE显微乳腺癌组织病理数字全景图进行数据集制作，得到训练、验证和测试数据集；

2)利用上述制作得到的训练和验证数据集进行深度卷积神经网络训练，然后再经测试数据集测试经过训练后的深度卷积神经网络，得到最终优化后的深度卷积神经网络；

3)利用最终优化后的深度卷积神经网络，对单张显微乳腺癌组织病理数字全景图进行癌组织区域预测，得到乳腺癌组织预测概率分布图。

3.根据权利要求2所述的一种乳腺癌免疫组化人工智能判读方法，其特征在于，所述第二步具体为：

1)采用基于金字塔模型的SIFT快速特征匹配方法，将位于金字塔模型高层分辨率较小的图层进行配准，得到相应的配准参数；

2)利用已经得到的配准参数，将其应用到位于金字塔模型底层的图像，完成对HE显微组织病理数字全景图和IHC显微组织病理数字全景图中的每一个图片块的一一配对过程。

4.根据权利要求3所述的一种乳腺癌免疫组化人工智能判读方法，其特征在于，所述第三步具体为：

1)在完成HE和IHC显微组织病理数字全景图之间的特征匹配之后，获取IHC显微组织病理数字全景图对应于AI识别生成的热力图中的癌组织区域，该区域为需要进行统计核阳性率的癌组织区域；

2)通过热力图一一对应得到IHC显微组织病理数字全景图中全部需要进行核阳性率统计的图片块；

3)对上述需要进行核阳性率统计的图片块进行癌细胞中的核阳性细胞数和非核阳性细胞数进行统计；

4)分别对全部的图片块中的核阳性细胞数和非核阳性细胞数进行统计；

5)设定需要统计的癌组织图片块总共为N块，任意一个癌组织图片块中统计得到的核阳性细胞数和非核阳性分别为S_1，i和S_2，i，其中i＝1，2，3...，N,则最终通过下述公式计算得到的核阳性率为：

5.根据权利要求4所述的一种乳腺癌免疫组化人工智能判读方法，其特征在于，对所述图片块进行癌细胞中的核阳性细胞数和非核阳性细胞数进行统计的方法如下：

1)将经识别配准之后得到的IHC中对应的癌组织图片块，利用颜色解卷积的方法，进行染色通道分离和颜色归一化处理；

2)利用分水岭算法，对经预处理之后的图片块进行分割，分离得到癌组织前景和背景区域；

3)通过自动阈值分割和图像膨胀腐蚀操作后，找到每个细胞核的轮廓；

4)根据图像的颜色和形状，区分得到核阳性细胞核和非核阳性细胞核；

5)分别统计得到核阳性细胞数和非核阳性细胞数。

6.根据权利要求3所述的一种乳腺癌免疫组化人工智能判读方法，其特征在于，所述配准参数包括旋转角度、缩放比例和平移量。