免疫组织化学染色影像的分析方法技术

本发明专利技术提出一种免疫组织化学染色影像的分析方法，包括：根据机器学习模型切割出免疫组织化学染色影像的多个细胞核；移除免疫组织化学染色影像中属于细胞核的像素以及移除符合一颜色范围的像素以取得多个细胞质像素；根据细胞质像素的位置将细胞质像素分配至细胞核以形成多个细胞；以及计算细胞中每个像素的像素染色分数，借此计算细胞的细胞染色分数。如此可以客观且自动化的计算出细胞被染色的分数。分数。分数。

【技术实现步骤摘要】
免疫组织化学染色影像的分析方法


[0001]本专利技术是有关于免疫组织化学染色影像的分析方法，可以利用算法客观的评估每个细胞被染色的程度。

技术介绍

[0002]免疫组织化学染色(immunohistochemistry，IHC)是一种广泛使用的方法，用以标记特定的有机物质。原理在于使用特定比例的抗原及抗体，可以让特定的抗原物质在切片的数字影像(whole slide image，WSI)中显示出来。免疫组织化学染色常用于医学研究，用以评估被染色细胞的病理参数，观察与癌症等疾病之间的关系。然而，传统的分析方法仰赖医生的主观判断，如何提出客观的分析方法为此领域技术人员所关心的议题。

技术实现思路

[0003]本专利技术提出一种免疫组织化学染色影像的分析方法，适用于计算机系统，此分析方法包括：根据机器学习模型切割出免疫组织化学染色影像的多个细胞核，其中免疫组织化学染色影像包括多个像素，像素包括多个颜色通道；移除免疫组织化学染色影像中属于细胞核的像素以及移除符合一颜色范围的像素以取得多个细胞质像素；根据细胞质像素的位置将细胞质像素分配至细胞核的其中之一以形成多个细胞；以及计算细胞中的像素的像素染色分数，借此计算细胞的细胞染色分数。
[0004]在一些实施例中，移除符合颜色范围的像素的步骤包括：将像素转换至色彩空间，色彩空间包含一色相、一饱和度与一明度；以及保留色相在一第一预设范围内以及饱和度在一第二预设范围内的像素，并且移除明度大于一第一临界值的像素。
[0005]在一些实施例中，根据细胞质像素的位置将细胞质像素分配至细胞核以形成细胞的步骤包括：将细胞核当作多个区域低点，将细胞质像素当作集水区，借此执行分水岭算法。
[0006]在一些实施例中，在形成细胞之后，分析方法还包括：计算细胞中的像素个数；以及如果细胞中的第一细胞的像素个数大于第二临界值且小于一第三临界值，删除第一细胞中的细胞质像素，并且加入根据第一细胞中的细胞核执行形态学扩张处理后的结果来形成第一细胞。
[0007]在一些实施例中，计算细胞中的像素的像素染色分数，借此计算细胞的细胞染色分数的步骤包括：根据细胞中的像素的饱和度与明度之间的比值来计算像素的像素染色分数；以及以个数作为权重，计算细胞中的像素的像素染色分数的权重平均以作为细胞的细胞染色分数。
[0008]为让本专利技术的上述特征和优点能更明显易懂，下文特举实施例，并配合附图作详细说明如下。
附图说明
[0009]图1是根据一实施例绘示免疫组织化学染色影像的分析方法的流程图。
[0010]图2是根据一实施例绘示取得细胞质像素的示意图。
[0011]图3是根据一实施例绘示分水岭算法的结果示意图。
[0012]图4是根据一实施例绘示根据HSV色彩空间来计算像素染色分数的示意图。
[0013]其中，附图标记：
[0014]101、102、201、301：免疫组织化学染色影像
[0015]111～114、211～212：步骤
[0016]121～123、202、203、302、303：图
[0017]410：范围
具体实施方式
[0018]关于本专利技术中所使用的「第一」、「第二」等，并非特别指次序或顺位的意思，其仅为了区别以相同技术用语描述的元件或操作。
[0019]在此提到的免疫组织化学染色影像是关于肝脏细胞的切片，目的是要染色B型肝炎表面抗原(hepatitis B surface antigen，HBsAg)，B型肝炎表面抗原是B型肝炎病毒感染后第一个出现在血清中的病毒抗原，也是B型肝炎的最重要指标，在有B型肝炎表面抗原的免疫组织化学染色影像中，细胞的颜色会偏向红色，在此提出一个方法来分析这样的影像。
[0020]图1是根据一实施例绘示免疫组织化学染色影像的分析方法的流程图。请参照图1，在图1中绘示了两张免疫组织化学染色影像101、102。免疫组织化学染色影像101、102为彩色影像，其中包含了多个像素，每个像素包括了红色、蓝色与绿色的颜色通道。免疫组织化学染色影像101中有较多的B型肝炎表面抗原，因此相对于免疫组织化学染色影像102来说颜色较红。
[0021]在步骤111中，根据一机器学习模型切割出免疫组织化学染色影像的多个细胞核。此机器学习模型例如为卷积神经网络，此卷积神经网络的架构可以采用LeNet、AlexNet、VGG、GoogLeNet、ResNet或是VOLO等。在此实施例中，是采用论文Graham,Simon,et al."Hover
‑
net:Simultaneous segmentation and classification of nuclei in multi
‑
tissue histology images."Medical Image Analysis 58(2019):101563所揭露的卷积神经网络，此论文的内容也包含在本说明书中，在此并不赘述论文的内容。在此实施例中，不同于Hover
‑
net，损失函数修改如以下数学式1至数学式5。
[0022][数学式1][0023]L＝L
NP
+LHover；
[0024][数学式2][0025]L
NP
＝L
bce
+L
dice
+L
focal
；
[0026][数学式3][0027][0028][数学式4][0029][0030][数学式5][0031][0032]整个网络有两个分支，分别是核像素(nuclear pixel，NP)分支与HoVer分支。L为整个网络的损失函数，核像素分支的损失函数为L
NP
，HoVer分支的损失函数是L
Hover
。损失函数L
NP
是二元交叉熵(binary cross entropy)损失、骰子(dice)损失和焦点(focal)损失的总和。其中N为影像中所有像素的个数，x
i
表示真实输出(ground truth)，y
i
是网络所预测的数值，例如y＝1表示细胞核，y＝0表示背景。ε是一个很小的数值，避免除以0。p是分类为细胞核的估计机率。γ为经过实验决定的实数，在此实施例中为0.5。
[0033]另一方面，损失函数L
Hover
则如以下数学式6～8所示。
[0034][数学式6][0035]L
Hover
＝L
mse
+L
msge
；
[0036][数学式7][0037][0038][数学式8][0039][0040]其中n是影像中所有像素的个数。p
i
是HoVer分支的输出，Γ
i
是真实输出。为了计算均方梯度误差(mean squared gradient error)，所输出的水平分量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种免疫组织化学染色影像的分析方法，适用于一计算机系统，其特征在于，所述分析方法包括：根据一机器学习模型切割出所述免疫组织化学染色影像的多个细胞核，其中所述免疫组织化学染色影像包括多个像素，每一所述多个像素包括多个颜色通道；移除所述免疫组织化学染色影像中属于所述多个细胞核的所述多个像素以及移除符合至少一颜色范围的所述多个像素以取得多个细胞质像素；根据所述多个细胞质像素的位置将每一所述多个细胞质像素分配至所述多个细胞核的其中之一以形成多个细胞；以及计算每一所述多个细胞中的每一所述多个像素的像素染色分数，借此计算每一所述多个细胞的细胞染色分数。2.根据权利要求1所述的分析方法，其特征在于，其中移除符合所述至少一颜色范围的所述多个像素的步骤包括：将每一所述多个像素转换至一色彩空间，所述色彩空间包含一色相、一饱和度与一明度；以及保留所述色相在一第一预设范围内以及所述饱和度在一第二预设范围内的所述多个像素，并且移除所述明度大于一第一临界值的所述多个像素。3.根据权利要求2所述的分析方法，其特征在于，其中根据所述...

【专利技术属性】
技术研发人员：詹宝珠，蔡弘文，廖绍凯，郑国顺，
申请(专利权)人：詹宝珠，
类型：发明
国别省市：