[发明专利]一种细胞及区域层次的病理图自动分类方法及系统

说明书

本发明属于图像分析领域，公开了一种细胞及区域层次的病理图自动分类方法及系统，该方法包括以下步骤：(1)将初始病理图切割成小图，并绘制细胞掩膜图；(2)对小图进行图像分割得到细胞坐标；(3)将初始病理图切割为单个细胞小图，判断细胞类型；(4)将初始病理图切割为小图，判断是否属于癌区、癌旁区域；(5)将初始病理图切割为小图，分别判断是否属于肿瘤组织实质区、间质区、蛋白角化区、脉管区；综合各个得分，确定细胞类型及其所属区域。本发明通过对方法整体流程处理进行改进，能够克服现有技术中对病理图的分析停留于区块式分析的缺陷，真正将病理图的信息进行了深度挖掘，实现了病理图的自动分类。

技术领域

本发明属于图像分析领域，更具体地，涉及一种细胞及区域层次的病理图自动分类方法及系统。

背景技术

病理图往往蕴含大量信息。癌症发展的宏观情况可以通过临床指标检测、X光等方式鉴别，但更细化的信息难以确定，从而无法精细化、个性化对病人进行分型治疗。目前的病理图片分析及分类方法主要集中在区块层面，缺乏细胞层次和以生理区域为划分的分析与分类。

发明内容

针对现有技术的以上缺陷或改进需求，本发明的目的在于提供一种细胞及区域层次的病理图自动分类方法及系统，其中通过对方法整体流程处理、及相应系统装置中各个功能模块组件的设置方式进行改进，能够克服现有技术中对病理图的分析停留于区块式分析的缺陷，真正将病理图的信息进行了深度挖掘，实现了病理图的自动分类，可进一步为病人的个性化治疗和分型提供有效帮助。

为实现上述目的，按照本发明的一个方面，提供了一种细胞及区域层次的病理图自动分类方法，其特征在于，包括以下步骤：

(1)将初始病理图切割为尺寸预先设定的第一类小图，并绘制这些第一类小图的细胞掩膜图；

(2)将所述步骤(1)得到的第一类小图及其细胞掩膜图用第一卷积神经网络进行图像分割，从而对初始病理图中的细胞进行定位，得到细胞坐标；

(3)根据预先标记出癌细胞和免疫细胞的训练用病理图，以切割后的小图覆盖一个预先标记的完整细胞为切割原则，将所述训练用病理图切割为尺寸预先设定的训练用第二类小图，对第二卷积神经网络进行训练，训练好的所述第二卷积神经网络能够判断细胞类型，分别得到细胞类型属于癌细胞、免疫细胞、其他细胞的概率得分；

针对初始病理图，根据所述步骤(2)得到的细胞坐标，以切割后的小图覆盖一个完整细胞为切割原则，将所述初始病理图切割为尺寸预先设定的第二类小图，并利用训练好的所述第二卷积神经网络判断每一张第二类小图的细胞类型，并将得到的判断结果记录下来；

(4)根据预先选取的图中癌区和癌旁区域能够区分的训练用病理图，按预先设定的尺寸大小，同时以切割后的小图全部面积属于癌区或癌旁为切割原则，得到尺寸预先设定的训练用第三类小图，对第三卷积神经网络进行训练，训练好的所述第三卷积神经网络能够判断癌区和癌旁区域，分别得到待测试图中所示区域属于癌区、癌旁区域的概率得分；

针对初始病理图，按预先设定的尺寸大小，将所述初始病理图切割为尺寸预先设定的第三类小图，并利用训练好的所述第三卷积神经网络判断每一张第三类小图是否属于癌区、癌旁区域，并将得到的判断结果记录下来；

(5)根据预先标记出肿瘤组织实质区、间质区、蛋白角化区和脉管区的训练用病理图：

(i)按预先设定的尺寸大小，同时以切割后的小图有一半以上面积属于肿瘤组织实质区标记为切割原则，将所述训练用病理图切割为尺寸预先设定的训练用第四类小图，对第四卷积神经网络进行训练，训练好的所述第四卷积神经网络能够判断肿瘤组织实质区，得到待测试图中所示区域属于肿瘤组织实质区的概率得分；然后，针对初始病理图，按预先设定的尺寸大小，将所述初始病理图切割为尺寸预先设定的第四类小图，并利用训练好的所述第四卷积神经网络判断每一张第四类小图是否属于肿瘤组织实质区，并将得到的判断结果记录下来；