[发明专利]一种结直肠癌病理图像预后辅助预测方法及系统

权利要求书

1.一种结直肠癌病理图像预后辅助预测方法，其特征在于，包括以下步骤：

背景分离步骤：分离病理图像的组织区域和背景区域，将病理图像的图片格式由RGB空间转换为HSV颜色空间，对HSV颜色空间中的饱和度通道部分进行自动阈值分割处理，划分为背景区域和组织区域；

图像小块分割步骤：根据预设像素大小对组织区域进行分割图像小块；

深度特征提取步骤：基于结直肠癌存活时间预测模型的卷积层和池化层对分割后的图像小块进行特征的提取得到图像小块特征，经过卷积层处理后对图像小块编码成一维数组形式；

聚类步骤：基于K-means聚类对图像小块特征进行聚类，划分肿瘤上皮组织、间质、粘液、正常组织和坏死部分，原图分割后的所有图像小块分成了不同颜色类别，颜色代表不同类别，从而区分小块类别集合，将分类后的图像小块归位放回图中原来位置；

所述聚类步骤，具体包括以下步骤：

中心点生成步骤：随机生成图像小块特征的中心点；

图像小块分类步骤：计算每个图像小块离第一中心点的欧式距离，根据图像小块的特征与每个中心点的欧氏距离将每个图像小块划分至最接近的中心点的小块类别集合；

分类检验步骤：计算完所有图像小块与第一中心点的欧式距离并划分完第一中心点的小块类别集合后，重新计算每个小块类别集合的第二中心点，根据预设距离阈值判断聚类的进度；

如果第二中心点与之前的第一中心点的距离小于预设距离阈值时，表示分类结果趋于稳定，聚类步骤完成；

如果新的中心点和原中心点距离变化超过预设距离阈值时，则说明聚类仍在进行中，需要重复图像小块分类步骤和分类检验步骤；

风险划分步骤：基于结直肠癌存活时间预测模型的全连接层输出患者存活时间，设置多个预设风险阈值，根据患者存活时间结合预设风险阈值划分风险范围；

在所述风险划分步骤中，所述结直肠癌存活时间预测模型具体采用VGG16深度卷积网络进行训练，所述VGG16深度卷积网络将结直肠癌的病理图像作为输入数据，将结直肠癌预后的患者存活时间量化并作为标签，经过卷积层进行卷积处理后，传输至池化层进行减小特征图大小，最终通过全连接层输出患者存活时间，设置多个预设风险阈值，根据患者存活时间结合预设风险阈值划分风险范围；

所述结直肠癌存活时间预测模型为使用多组数据通过机器学习训练得出，多组数据中的每组数据包括结直肠癌病理图像和标识该结直肠癌病理图像对应患者存活时间的标签信息。

2.根据权利要求1所述的结直肠癌病理图像预后辅助预测方法，其特征在于，所述VGG16深度卷积网络将结直肠癌的病理图像作为输入数据，获得图像小块特征后，分别输入VGG16深度卷积网络的卷积层部分提取特征，包括多个卷积层和多个全连接层，最后将各个通道的特征结合在一起，全连接层进行分类，输出最终得到的图像特征。