[发明专利]基于自适应比例学习的肿瘤组织病理分类系统及方法

权利要求书

1.一种基于自适应比例学习的肿瘤组织病理分类系统，其特征在于，该系统包括比例标签标注模块、前景分割与图像块定位模块和自适应多放大倍数整合比例学习模块；

所述比例标签标注模块获取若干肿瘤组织病理切片并进行数字化扫描，将扫描后的病理图像按照分类任务目标类别进行人工标注，构建数据集；

所述前景分割与图像块定位模块将病理图像在不同的放大倍数下，根据设定的目标图像块重叠率计算病理图像的缩略图尺寸并利用缩略图的RGB通道和灰度值的差值分布特征分割肿瘤组织前景，去除肿瘤组织背景，缩略图中每个像素点对应一个图像块；

所述自适应多放大倍数整合比例学习模块通过神经网络模型计算数据集中分割后的图像块在不同放大倍数下属于各个分类任务目标类别的概率，得到病理图像含有各个分类任务目标类别的比例，作为计算比例，对于每个分类任务目标类别，分别将计算的不同放大倍数下概率最小值与不同放大倍数下概率最大值的二分之一进行比较，取其中较大值作为图像块在该分类任务目标类别下的整合概率；将所有图像块同一类别下的整合概率进行降序排列，根据标注的比例阈值，选择训练图像块，并对每个训练图像块赋值类别标签；根据标注的比例阈值与计算比例的差值，对于病理图像中处于计算比例与比例阈值之间的训练图像块给予更高的训练权重，权重与差值呈正比，进行自适应权重赋值；使用权重调整后的训练图像块训练神经网络，损失函数为各级放大倍数损失函数项、整合损失函数项及比例拟合损失函数项之和，其中比例拟合损失函数项为若分类任务目标类别的计算比例低于比例阈值，则比例阈值与计算比例的差值作为比例拟合损失函数项，若计算比例大于等于比例阈值，则损失函数中比例拟合损失函数项为零，并根据训练结果调整比例阈值对模型迭代训练，通过训练好的神经网络模型计算病理图像含有各个分类任务目标类别的比例。

2.根据权利要求1所述的一种基于自适应比例学习的肿瘤组织病理分类系统，其特征在于，所述比例标签标注模块共获取n张病理切片的全尺寸数字化扫描图像，构成数据集记为，其中为第张病理图像；分类任务目标类别共计C类，针对第张病理图像，构建比例标签向量为：

其中，为第i个病理图像中第k类的比例阈值，且满足，T表示转置。

3.根据权利要求1所述的一种基于自适应比例学习的肿瘤组织病理分类系统，其特征在于，所述前景分割与图像块定位模块计算病理图像的缩略图尺寸具体过程如下：记目标图像块尺寸为，为像素，目标图像块分辨率为，目标图像块重叠率为，对原始尺寸为，原始分辨率为的病理图像进行目标缩略图获取，和分别为原始病理图像尺寸的宽和高，则目标缩略图的宽和高尺寸分别为：

目标缩略图对应病理图像的目标分割区域左上角点坐标为；其中，mod表示取余数，将缩略图的目标分割区域，进行像素级分割，目标缩略图中每一个像素点对应一个的图像块，图像块的尺寸为。

4.根据权利要求1所述的一种基于自适应比例学习的肿瘤组织病理分类系统，其特征在于，所述前景分割与图像块定位模块利用缩略图的RGB通道和灰度值的差值分布特征分割肿瘤组织前景具体过程如下：提取缩略图红、绿、蓝通道值以及灰度图值，计算这五种差值密度分布的分割阈值；若缩略图上的一像素点超过上述五个分割阈值的数量大于等于3，则该像素点对应的图像块被视为组织前景，否则，该像素点对应的图像块作为背景剔除。