病理图片中肿瘤间质分类方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种病理图片中肿瘤间质分类方法、装置、计算机设备及存储介质，包括：获取待分析的病理图片，所述病理图片中包括肿瘤间质区域；对所述病理图片中的肿瘤间质区域进行识别并提取出肿瘤间质区域图像；将所述肿瘤间质区域图像分割为多个小区域图像；对每个所述小区域图像中包含的肿瘤间质进行类型识别，并根据识别到的类型进行标记。该方法能够自动化地识别出肿瘤间质的类型并标记，不仅提高了分类的速度，而且提高了分类的准确度。

【技术实现步骤摘要】
病理图片中肿瘤间质分类方法、装置、计算机设备及存储介质
本专利技术涉及分类
，尤其涉及一种病理图片中肿瘤间质分类方法、装置、计算机设备及存储介质。
技术介绍
肿瘤的成分，包括肿瘤细胞和肿瘤相关性间质组织(即肿瘤间质)。目前在临床工作肿瘤的分类，是以肿瘤细胞发生的部位、来源和形态特征等来进行，例如肺癌、乳腺癌、鳞状细胞癌、尿路上皮癌和腺癌等。目前，肿瘤的分类主要以肿瘤细胞为分类依据，没有反映患者机体的局部直接间质免疫反应特征。而肿瘤相关性间质组织内不同比例地分布有纤维母细胞、纤维细胞、淋巴细胞、浆细胞和中性粒细胞等免疫细胞，这些多因素参数的特征，反映了肿瘤细胞在机体内生活状态下的免疫系统的反应状态。因此，做好肿瘤间质的分类是非常重要的，但是基于病理医生主观性判读肿瘤间质反应状态，是一个繁琐而又重复性不高的工作。故，亟需要一种快速准确地对肿瘤间质进行分类的方法。
技术实现思路
基于此，有必要针对上述问题，提出一种可以快速准确地对肿瘤间质进行分类的病理图片中肿瘤间质分类方法、装置、计算机设备及存储介质。一种病理图片中肿瘤间质分类方法，其特征在于，包括：获取待分析的病理图片，所述病理图片中包括肿瘤间质区域；对所述病理图片中的肿瘤间质区域进行识别并提取出肿瘤间质区域图像；将所述肿瘤间质区域图像分割为多个小区域图像；对每个所述小区域图像中包含的肿瘤间质进行类型识别，并根据识别到的类型进行标记。一种病理图片中肿瘤间质分类装置，其包括：获取模块，用于获取待分析的病理图片，所述病理图片中包括肿瘤间质区域；提取模块，用于对所述病理图片中的肿瘤间质区域进行识别并提取出肿瘤间质区域图像；分割模块，用于将所述肿瘤间质区域图像分割为多个小区域图像；标记模块，用于对每个所述小区域图像中包含的肿瘤间质进行类型识别，并根据识别到的类型进行标记。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：获取待分析的病理图片，所述病理图片中包括肿瘤间质区域；对所述病理图片中的肿瘤间质区域进行识别并提取出肿瘤间质区域图像；将所述肿瘤间质区域图像分割为多个小区域图像；对每个所述小区域图像中包含的肿瘤间质进行类型识别，并根据识别到的类型进行标记。一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：获取待分析的病理图片，所述病理图片中包括肿瘤间质区域；对所述病理图片中的肿瘤间质区域进行识别并提取出肿瘤间质区域图像；将所述肿瘤间质区域图像分割为多个小区域图像；对每个所述小区域图像中包含的肿瘤间质进行类型识别，并根据识别到的类型进行标记。上述病理图片中肿瘤间质分类方法、装置、计算机设备及存储介质，首先，从病理图片中提取出肿瘤间质区域图像，然后将肿瘤间质区域图像分割为多个小区域图像，进而对每个小区域图像中包含的肿瘤间质进行类型识别并进行标记。该方法能够自动化地识别出肿瘤间质的类型并标记，不仅提高了分类的速度，而且提高了分类的准确度。进一步的，该病理图片中肿瘤间质分类方法不再依赖于人的主观判断，具有客观性，有利于被推广到临床实践中去。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：图1为一个实施例中病理图片中肿瘤间质分类方法的流程图；图2为一个实施例中针对划分出的小区域进行肿瘤间质类型识别的示意图；图3为一个实施例中为8个肿瘤间质类型的特征示意图；图4为一个实施例中叠加图像的效果示意图；图5为一个实施例中病理图片中肿瘤间质分类装置的结构框图；图6为另一个实施例中病理图片中肿瘤间质分类装置的结构框图；图7为一个实施例中计算机设备的内部结构图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，提出了一种病理图片中肿瘤间质分类方法，该病理图片中肿瘤间质分类方法可以应用于终端，本实施例以应用于终端举例说明。该病理图片中肿瘤间质分类方法具体包括以下步骤：步骤102，获取待分析的病理图片，病理图片中包括肿瘤间质区域。其中，病理图片是肿瘤病理切片的图像。病理图片是包含有肿瘤组织的图像，肿瘤组织分为肿瘤细胞和肿瘤间质。所以病理图片中包括肿瘤间质区域和肿瘤细胞区域。步骤104，对病理图片中的肿瘤间质区域进行识别并提取出肿瘤间质区域图像。其中，为了对肿瘤间质的类型进行识别，首先，需要从病理图片中提取出肿瘤间质区域图像。在一个实施例中，利用深度学习训练得到的肿瘤间质识别模型对病理图片中的肿瘤间质区域进行识别，然后进行提取，得到肿瘤间质区域图像。具体地，肿瘤间质识别模型可以采用如下方式训练得到，对训练样本集中的病理图片中的肿瘤区域和肿瘤间质区域进行人工标注，然后基于带有标签的病理样本图像利用深度学习的监督学习方式，进行不断迭代训练，最后训练得到肿瘤间质识别模型。步骤106，将肿瘤间质区域图像分割为多个小区域图像。其中，由于肿瘤间质区域图像中往往包含有多个类型的肿瘤间质类型，为了更准确地识别出每个区域的肿瘤间质类型，将肿瘤间质区域划分为多个小区域，得到多个小区域图像。小区域图像的大小可以根据实际情况预先设置。如图2所示，针对划分出的小区域进行肿瘤间质类型识别的示意图，图2中展示了划分出的两个小区域，后续针对小区域进行肿瘤间质类型识别。步骤108，对每个小区域图像中包含的肿瘤间质进行类型识别，并根据识别到的类型进行标记。其中，预先根据肿瘤间质的特征将肿瘤间质分为多个类型，然后根据小区域图像中包含的肿瘤间质的特征来进行类型识别，并根据识别得到的结果进行标记。在一个实施例中，预先将肿瘤间质分为8个类型，分别为(1)纤维细胞较丰富型；(2)较多淋巴细胞、少量血管型；(3)较多淋巴细胞型；(4)血管丰富型；(5)较多淋巴细胞、中性粒细胞型；(6)较多淋巴细胞、粘液变性型；(7)大量淋巴细胞、血管较丰富型；(8)粘液变性型。如图3所示，为8个肿瘤间质类型的特征示意图。针对不同的类型，设置不同的标记。比如，可以设置不同的形状来标记，比如，可以将第(1)类型型的标记设置为三角形，第(2)类型型的标记设置为圆形，依次类推。在另一个实施例中，也可以设置不同的颜色来标记，比如，将第(1)种用黄色来标记；第本文档来自技高网...

【技术保护点】
1.一种病理图片中肿瘤间质分类方法，其特征在于，包括：/n获取待分析的病理图片，所述病理图片中包括肿瘤间质区域；/n对所述病理图片中的肿瘤间质区域进行识别并提取出肿瘤间质区域图像；/n将所述肿瘤间质区域图像分割为多个小区域图像；/n对每个所述小区域图像中包含的肿瘤间质进行类型识别，并根据识别到的类型进行标记。/n

【技术特征摘要】
1.一种病理图片中肿瘤间质分类方法，其特征在于，包括：
获取待分析的病理图片，所述病理图片中包括肿瘤间质区域；
对所述病理图片中的肿瘤间质区域进行识别并提取出肿瘤间质区域图像；
将所述肿瘤间质区域图像分割为多个小区域图像；
对每个所述小区域图像中包含的肿瘤间质进行类型识别，并根据识别到的类型进行标记。


2.根据权利要求1所述的方法，其特征在于，所述对每个所述小区域图像中包含的肿瘤间质进行类型识别，并根据识别到的类型进行标记，包括：
提取所述小区域图像中包含的肿瘤间质的特征，根据提取到的特征确定所述肿瘤间质的类型；
获取与所述肿瘤间质的类型对应的标识，采用所述标识对所述肿瘤间质的类型进行标记。


3.根据权利要求2述的方法，其特征在于，所述标识为颜色标识，不同类型的肿瘤间质对应不同的颜色标识。


4.根据权利要求1所述的方法，其特征在于，在所述对每个所述小区域图像中包含的肿瘤间质进行类型识别，并根据识别到的类型进行标记之后，还包括：
根据所述肿瘤间质区域图像中各个小区域图像对应的类型标记，统计同一类型标记对应的区域面积，根据不同类型标记对应的不同区域面积确定肿瘤间质区域的状态。


5.根据权利要求1所述的方法，其特征在于，所述对每个所述小区域图像中包含的肿瘤间质进行类型识别，并根据识别到的类型进行标记，包括：
将所述小区域图像作为肿瘤间质分类识别模型的输入，所述肿瘤间质分类识别模型用于对所述小区域图像进行特征识别，确定所述小区域图像中的肿瘤间质的类型；
获取所述肿瘤间质分类识别模型识别出的类型，并对所述识别到的类型进行标记。

【专利技术属性】
技术研发人员：车拴龙，李晶，罗丕福，李映华，丘伟松，刘斯，卢芳，余霆嵩，陶康培，哈正蓬，
申请(专利权)人：广州金域医学检验中心有限公司，广州金域医学检验集团股份有限公司，
类型：发明
国别省市：广东;44