一种肺癌转移性淋巴结病理图像识别系统及方法技术方案

本发明专利技术公开了一种肺癌转移性淋巴结病理图像识别系统及方法，涉及神经网络。包括：标注模块，获取若干肺癌患者的切片图像，并对转移性淋巴结病灶区域进行标注，得到标注图像；分类模块，将各标注图像按照比例分为训练集和测试集；筛选模块，针对训练集中的各标注图像，分别去除背景区域得到组织图像；切割模块，对各组织图像进行图像切割，得到若干切割图像；训练模块，根据各切割图像训练得到肺癌转移性淋巴结的检测模型；优化模块，根据测试集中的各标注图像对肺癌转移性淋巴结检测模型进行优化；识别模块，用于根据检测模型对待检测切片图像进行病理图像识别。具有以下有益效果：方便医生发现可疑图像并提高切片图像的识别率。

A pathological image recognition system and method for metastatic lymph nodes of lung cancer

【技术实现步骤摘要】
一种肺癌转移性淋巴结病理图像识别系统及方法
本专利技术涉及神经网络领域，尤其涉及一种肺癌转移性淋巴结病理图像识别系统及方法。
技术介绍
肺癌是全球最常见的恶性肿瘤之一，预后5年生存率仅有18％。我国肺癌的发病率、死亡率均高居恶性肿瘤之首，严重威胁着国民的健康。淋巴结转移是肺瘤转移的最常见形式，是指浸润的肺瘤细胞穿过淋巴管壁，脱落后随着淋巴液被带到汇流区的淋巴结，并以此为中心生长出同样肿瘤的现象，被认为是肺癌重要的预后因素之一。根据第八版美国癌症联合委员会(AmericanJointCommitteeonCancer,AJCC),术后病理TNM系统中N分期由区域淋巴结转移情况决定，基于孤立的肿瘤细胞或肿瘤细胞群的直径，淋巴结转移瘤可分为三类：直径＞2mm为MA(宏转移)、直径为0.2mm-2mm为MI(微转移)、直径＜0.2mm为ITCs(孤立肿瘤细胞)。常规病理淋巴结的检测是对患者术前精确的肿瘤分期，以制定科学、规范的术前治疗、手术清扫范围和预后分析的重要依据。国内的大部分医院里，医生对肺癌患者术前淋巴结转移情况的评估多依赖以胸部薄层CT扫描为主的多学科诊断方法，诊断标准是淋巴结肿大，一般以淋巴结直径＞1cm作为阳性标准，这会造成较小的淋巴结转移灶被遗漏，也可能把反应性的增生淋巴结判定为阳性，所以并不具备特异性；术中判断淋巴结转移多是依靠外科医生的临床经验，误差很大。由于淋巴结清扫范围的扩大和疾病发病率的增加，准确完整的诊断必须依靠经验丰富的病理学家阅读大量的载玻片才能得出。由于近年数字切片扫描仪的更新，扫描图像质量可以达到显微镜的成像效果，全切片扫描技术已经可以实现病理切片数字化并且在过去的十年内逐渐的应用到了科研和临床中，但在日常的病理切片诊断过程中，医生通常需要通过逐片阅读对整张切片中存在的转移性淋巴结进行检测并分类，筛选出最终确定肿瘤转移性淋巴结的图像和位置，因此医生的日常工作量巨大，但是这种做法很多时候取决于医生的经验主观判断，因此会出现诊断一致性偏低。除此之外，各单位评价转移性淋巴结的测量方法、标准等不一都会影响病理诊断结果的准确性。随着人工智能技术逐渐进入医疗领域，深度学习算法已经开始应用于医学图像处理，可直接提取图像深层特征信息，并自动学习训练模型，从识别肿瘤区域到提取隐藏的肿瘤特征应用都十分广泛，可用于构建数字病理学的决策工作流程，其中最具有代表性的是卷积神经网络(ConvolutionNeuralNetwork,CNN)。卷积神经网络内部隐藏层多为卷积层(ConvolutionLayer)，还包括了一部分池化层(PoolLayer)、全连接层(FullyConnectLayer)和归一化层(NormalizeLayer)。目前以CNN为基础构建的神经网络模型有多种，包括VGG、Google-Net、Res-Net等。这些网络的内部结构、参数或许有所差异，但处理思路大致一致。在以往的研究中已经证明CNN对于目标物体的几何形状、颜色分布与构成变化都有一定的敏感度，因此经临床大数据训练后的CNN模型可以摆脱专业背景的束缚，全面而准确的获取病理切片的特征，适用于大数据量的全视野数字切片(WholeSlideImage,WSI)的图像分析，如何通过CNN实现肺癌转移性淋巴结自动识别，是目前亟待解决的问题。
技术实现思路
本专利技术为了解决上述问题，现提出一种肺癌转移性淋巴结病理图像识别系统，包括：标注模块，获取若干肺癌患者的切片图像，并对所述切片图像中的转移性淋巴结病灶区域进行标注，得到标注图像；分类模块，连接所述标注模块，用于将各所述标注图像按照预设比例分为训练集和测试集；筛选模块，连接所述分类模块，用于针对所述训练集中的各所述标注图像，分别去除所述标注图像中不含细胞组织的背景区域，得到组织图像；切割模块，连接所述筛选模块，用于分别对各所述组织图像进行图像切割，得到若干切割图像；训练模块，连接所述切割模块，用于根据各所述切割图像训练得到肺癌转移性淋巴结的检测模型；优化模块，连接所述训练模块，用于根据所述测试集中的各所述标注图像对所述肺癌转移性淋巴结检测模型进行优化，并将优化后的所述检测模型进行保存；识别模块，连接所述优化模块，用于根据所述检测模型对待检测切片图像进行所述肺癌转移性淋巴结的病理图像识别。优选的，所述识别模块包括：分割单元，用于将待检测切片图像进行图像分割，得到若干待检测分割图像；评分单元，连接所述分割单元，用于分别将各所述待检测分割图像输入所述检测模型中，得到各所述待检测分割图像对应的肿瘤概率评分，并将各所述肿瘤概率评分按照从高到低的顺序依次排列形成概率评分队列；整合单元，连接所述评分单元，用于根据所述概率评分队列将各肿瘤概率评分对应的所述待检测分割图像进行图像整合，得到所述待检测切片图像的肿瘤生长模式热图；二值化单元，连接所述整合单元，用于将所述肿瘤生长模式热图进行二值化得到肿瘤生长模式灰度图；比较单元，连接所述二值化单元，用于计算所述肿瘤生长模式灰度图中带有肺癌转移性淋巴结细胞的阳性点数量，并将所述阳性点数量与预设的阳性点阈值进行比较，在所述阳性点数量小于所述阳性点阈值时，输出表征所述待检测切片图像为正常切片的病理图像识别结果，以及在所述阳性点数量不小于所述阳性点阈值时，输出表征所述待检测切片图像为带有所述肺癌转移性淋巴结细胞的异常切片的病理图像识别结果。优选的，所述切片图像为冰冻切片图像或石蜡切片图像。优选的，还包括数据增强模块，分别连接所述切割模块和所述训练模块，用于在训练所述检测模型之前，对所述训练集进行数据增强。优选的，所述数据增强包括对各所述切割图像进行亮度变换，和/或饱和度变换，和/或对比度变换，和/或角度变换。优选的，所述切割图像包括带有肺癌转移性淋巴结细胞的阳性小块图像和不带有所述肺癌转移性淋巴结细胞的阴性小块。优选的，所述待检测分割图像的尺寸为256×256分辨率。一种肺癌转移性淋巴结病理图像识别方法，应用于肺癌转移性淋巴结病理图像识别系统，肺癌转移性淋巴结病理图像识别方法包括以下步骤：步骤S1，获取若干肺癌患者的切片图像，并对所述切片图像中的转移性淋巴结病灶区域进行标注，得到标注图像；步骤S2，将各所述标注图像按照预设比例分为训练集和测试集；步骤S3，针对所述训练集中的各所述标注图像，分别去除所述标注图像中不含细胞组织的背景区域，得到组织图像；步骤S4，分别对各所述组织图像进行图像切割，得到若干切割图像；步骤S5，根据各所述切割图像训练得到肺癌转移性淋巴结的检测模型；步骤S6，根据所述测试集中的各所述标注图像对所述肺癌转移性淋巴结检测模型进行优化，并将优化后的所述检测模型进行保存；步骤S7，根据所述检测模型对待检测切片图像进行所述肺癌转移性淋巴结的病理图像识别。优选的，步骤S7具体包括：步骤S71，将待检测切片图像进行图像分割，得到若干待检测分本文档来自技高网...

【技术保护点】
1.一种肺癌转移性淋巴结病理图像识别系统，其特征在于，包括：/n标注模块，获取若干肺癌患者的切片图像，并对所述切片图像中的转移性淋巴结病灶区域进行标注，得到标注图像；/n分类模块，连接所述标注模块，用于将各所述标注图像按照预设比例分为训练集和测试集；/n筛选模块，连接所述分类模块，用于针对所述训练集中的各所述标注图像，分别去除所述标注图像中不含细胞组织的背景区域，得到组织图像；/n切割模块，连接所述筛选模块，用于分别对各所述组织图像进行图像切割，得到若干切割图像；/n训练模块，连接所述切割模块，用于根据各所述切割图像训练得到肺癌转移性淋巴结的检测模型；/n优化模块，连接所述训练模块，用于根据所述测试集中的各所述标注图像对所述肺癌转移性淋巴结检测模型进行优化，并将优化后的所述检测模型进行保存；/n识别模块，连接所述优化模块，用于根据所述检测模型对待检测切片图像进行所述肺癌转移性淋巴结的病理图像识别。/n

【技术特征摘要】
1.一种肺癌转移性淋巴结病理图像识别系统，其特征在于，包括：
标注模块，获取若干肺癌患者的切片图像，并对所述切片图像中的转移性淋巴结病灶区域进行标注，得到标注图像；
分类模块，连接所述标注模块，用于将各所述标注图像按照预设比例分为训练集和测试集；
筛选模块，连接所述分类模块，用于针对所述训练集中的各所述标注图像，分别去除所述标注图像中不含细胞组织的背景区域，得到组织图像；
切割模块，连接所述筛选模块，用于分别对各所述组织图像进行图像切割，得到若干切割图像；
训练模块，连接所述切割模块，用于根据各所述切割图像训练得到肺癌转移性淋巴结的检测模型；
优化模块，连接所述训练模块，用于根据所述测试集中的各所述标注图像对所述肺癌转移性淋巴结检测模型进行优化，并将优化后的所述检测模型进行保存；
识别模块，连接所述优化模块，用于根据所述检测模型对待检测切片图像进行所述肺癌转移性淋巴结的病理图像识别。


2.根据权利要求1所述的肺癌转移性淋巴结病理图像识别系统，其特征在于，所述识别模块包括：
分割单元，用于将待检测切片图像进行图像分割，得到若干待检测分割图像；
评分单元，连接所述分割单元，用于分别将各所述待检测分割图像输入所述检测模型中，得到各所述待检测分割图像对应的肿瘤概率评分，并将各所述肿瘤概率评分按照从高到低的顺序依次排列形成概率评分队列；
整合单元，连接所述评分单元，用于根据所述概率评分队列将各肿瘤概率评分对应的所述待检测分割图像进行图像整合，得到所述待检测切片图像的肿瘤生长模式热图；
二值化单元，连接所述整合单元，用于将所述肿瘤生长模式热图进行二值化得到肿瘤生长模式灰度图；
比较单元，连接所述二值化单元，用于计算所述肿瘤生长模式灰度图中带有肺癌转移性淋巴结细胞的阳性点数量，并将所述阳性点数量与预设的阳性点阈值进行比较，在所述阳性点数量小于所述阳性点阈值时，输出表征所述待检测切片图像为正常切片的病理图像识别结果，以及在所述阳性点数量不小于所述阳性点阈值时，输出表征所述待检测切片图像为带有所述肺癌转移性淋巴结细胞的异常切片的病理图像识别结果。


3.根据权利要求1所述的肺癌转移性淋巴结病理图像识别系统，其特征在于，所述切片图像为冰冻切片图像或石蜡切片图像。


4.根据权利要求1所述的肺癌转移性淋巴结病理图像识别系统，其特征在于，还包括数据增强模块，分别连接所述切割模块和所述训练模块，用于在训练所述检测模型之前，对所述训练集进行数据增强。


5.根据权利要求4所述的肺癌转移性...

【专利技术属性】
技术研发人员：赵蒙蒙，佘云浪，陈昶，谢冬，邓家骏，
申请(专利权)人：上海市肺科医院上海市职业病防治院，
类型：发明
国别省市：上海;31