前列腺Gleason评分系统技术方案

本发明专利技术提供了一种前列腺Gleason评分系统，包括：数据采集处理模块，用于对待检测前列腺活检切片进行预处理后采集前列腺样本数据；数据导入模块，用于将前列腺样本数据导入预先训练好的前列腺Gleason分类模型中，输出分类结果；评分输出模块，用于根据预设评分规则和分类结果确定评分；本发明专利技术提供一种前列腺Gleason评分系统，用于对前列腺切片样本进行智能Gleason评分，解决了在实践过程中，病理医生的判断具有高度主观性和较差可重复性的问题。题。题。

【技术实现步骤摘要】
前列腺Gleason评分系统


[0001]本专利技术涉及医学影像
，尤其涉及一种前列腺Gleason评分系统。

技术介绍

[0002]前列腺癌是男性生殖系统最常见的恶性肿瘤之一，2012年约有110万新发病例。当前列腺癌仍局限于前列腺时，快速、准确地诊断前列腺癌有更好的机会获得成功治疗。
[0003]目前，病理诊断是临床上诊断的重要方法，基于对微观层面组织形态特征的解读，病理医生甚至可以在症状表现出来之前就对各种类型的异常进行区分和分类。
[0004]Gleason分级(Gleason grading，GD)系统由Donald Gleason在1966年至1974年首次建立，是确定前列腺癌的分化程度、治疗措施和预后的重要指标之一。
[0005]GD系统的独特性在于，对前列腺腺癌的分类只根据肿瘤细胞的生长方式来确定，而不考虑细胞形态。GD从1到5不等，分数越高对应的分化越差，这意味着预后更差，转移的可能性更大。
[0006]尽管Gleason(GS)是预测局部前列腺癌男性肿瘤预后的最有力的指标之一，也是风险分层方案的一个基本要素，但病理医生应用GD系统是很麻烦和费时的。病理学家之间的解释存在差异，对标本中各等级比例的评估是主观的，导致病理学家之间诊断的可重复性差，甚至对小病灶的误诊，而人工智能的客观性可以显示出其在确GS方面的优势，因此，亟需一种前列腺Gleason评分系统，用于对前列腺切片样本进行智能Gleason评分，解决了在实践过程中，病理医生的判断具有高度主观性和较差可重复性的问题。

技术实现思路

[0007]针对现有技术的不足，本专利技术提供一种前列腺Gleason评分系统，用于对前列腺切片样本进行智能Gleason评分，解决了在实践过程中，病理医生的判断具有高度主观性和较差可重复性的问题。
[0008]一种前列腺Gleason评分系统，包括：数据采集处理模块，用于对待检测前列腺活检切片进行预处理后采集前列腺样本数据；
[0009]数据导入模块，用于将前列腺样本数据导入预先训练好的前列腺Gleason分类模型中，输出分类结果；
[0010]评分输出模块，用于根据预设评分规则和分类结果确定评分。
[0011]作为本专利技术的一种实施例，数据采集处理模块执行包括如下操作：
[0012]获取待检测前列腺活检切片的WSI分布，对WSI分布进行预处理得到待检测切片图像块；
[0013]基于Otsu算法对待检测切片图像块进行前景和背景分离得到待检测组织区域；
[0014]根据预设划分规则，对组织区域进行划分得到若干预设像素的样本图像块作为前列腺样本数据。
[0015]作为本专利技术的一种实施例，前列腺Gleason分类模型的训练步骤包括：
[0016]采集若干训练样本，对所有训练样本进行数字化处理，得到训练样本的WSI分布；训练样本包括：参与模型训练样本、验证样本和测试样本；
[0017]分别对所有WSI分布进行标签标注，并对标注后的WSI分布进行预处理得到若干训练图像块；
[0018]采用ResNet
‑
50的DeepLabv3图像分割模型为初始模型，利用胃癌智能诊断模型的参数作为初始值，基于迁移学习方法使用若干训练图像块对模型参数进行调整训练，得到前列腺Gleason分类模型。
[0019]作为本专利技术的一种实施例，采集若干训练样本，包括：
[0020]采集若干HE染色的前列腺活检切片分别作为参与模型训练样本与验证样本；
[0021]采集若干HE染色的玻片作为测试样本。
[0022]作为本专利技术的一种实施例，一种前列腺Gleason评分系统还包括：分别对所有WSI分布进行多次标签标注，整合多次标签标注的结果作为最终的每一WSI分布标签标注结果；标签包括：GD3
‑
5、HPIN、炎症和正常组织。
[0023]作为本专利技术的一种实施例，一种前列腺Gleason评分系统还包括：训练前列腺Gleason分类模型过程中，修改最后一个卷积层以支持多分类，和采用随机旋转和镜像的方式进行数据增量，和对训练图像块的亮度、对比度、色调和饱和度进行扰动以丰富前列腺Gleason分类模型能够支持的染色配置。
[0024]作为本专利技术的一种实施例，一种前列腺Gleason评分系统还包括：在训练过程中，初始模型在像素层面上输出多个分类结果时，获取外界对相应训练图像块的验证分类结果，采用混淆矩阵比较多个分类结果和验证分类结果，并采用P值评价比较结果的统计学意义以确定分类结果。
[0025]作为本专利技术的一种实施例，一种前列腺Gleason评分系统还包括：评分及相关数据分发模块，用于对评分及相关数据进行康复概率赋能，并将评分及相关数据分发至与赋能结果匹配度最高的医师；其中，相关数据包括：前列腺样本数据和分类结果。
[0026]作为本专利技术的一种实施例，评分及相关数据分发模块执行包括如下操作：获取数据库中与评分及相关数据的相似度高于预设相似度的历史病例，统计得到所有历史病例的平均康复概率对评分及相关数据进行康复概率赋能，得到赋能结果；获取相关医师数据库中每一医师的历史诊疗记录，分析历史诊疗记录确定每一医师对每一前列腺分类结果的诊疗特征信息；其中，诊疗特征信息包括：诊疗成功率指标、诊疗擅长分类指标和患者康复效率指标；根据诊疗特征信息确定每一医师的诊疗特长及对应的特长评分；对赋能结果和每一医师的诊疗特长及对应的特长评分进行匹配，并将评分及相关数据分发至与赋能结果匹配度最高的医师。
[0027]作为本专利技术的一种实施例，对赋能结果和每一医师的诊疗特长及对应的特长评分进行匹配，并将评分及相关数据分发至与赋能结果匹配度最高的医师，包括：针对不同排班状态的医师赋予第一编码信息；针对不同诊疗特长的医师赋予第二编码信息；针对不同特长评分的医师，根据预设评分等级制度赋予第三编码信息；整合第一编码信息、第二编码信息和第三编码信息确定每一医师的标准编码信息；根据每一医师标准编码信息中的第一编码信息的不同建立多个标准编码库；解析赋能结果获取对应数据库中与评分及相关数据的相似度高于预设相似度的历史病例；根据所有历史病例确定赋能结果对应的第二编码范
围；获取符合预设排班状态的标准编码库作为匹配库；筛选匹配库中与第二编码范围匹配的标准编码信息中的第三编码信息作为备选编码信息；获取备选编码信息对应的历史病例的相似度作为修正值；根据修正值对备选编码信息进行修正，得到新的第三编码信息；确定每一新的第三编码信息代表的新的评分等级；将评分及相关数据分发至所有新的评分等级中最优评分等级对应的医师。
[0028]本专利技术的有益效果为：
[0029]本专利技术提供一种前列腺Gleason评分系统，用于对前列腺切片样本进行智能Gleason评分，解决了在实践过程中，病理医生的判断具有高度主观性和较差可重复性的问题。
[0030]本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种前列腺Gleason评分系统，其特征在于，包括：数据采集处理模块，用于对待检测前列腺活检切片进行预处理后采集前列腺样本数据；数据导入模块，用于将前列腺样本数据导入预先训练好的前列腺Gleason分类模型中，输出分类结果；评分输出模块，用于根据预设评分规则和分类结果确定评分。2.根据权利要求1所述的一种前列腺Gleason评分系统，其特征在于，数据采集处理模块执行包括如下操作：获取待检测前列腺活检切片的WSI分布，对WSI分布进行预处理得到待检测切片图像块；基于Otsu算法对待检测切片图像块进行前景和背景分离得到待检测组织区域；根据预设划分规则，对组织区域进行划分得到若干预设像素的样本图像块作为前列腺样本数据。3.根据权利要求1所述的一种前列腺Gleason评分系统，其特征在于，前列腺Gleason分类模型的训练步骤包括：采集若干训练样本，对所有训练样本进行数字化处理，得到训练样本的WSI分布；训练样本包括：参与模型训练样本、验证样本和测试样本；分别对所有WSI分布进行标签标注，并对标注后的WSI分布进行预处理得到若干训练图像块；采用ResNet
‑
50的DeepLabv3图像分割模型为初始模型，利用胃癌智能诊断模型的参数作为初始值，基于迁移学习方法使用若干训练图像块对模型参数进行调整训练，得到前列腺Gleason分类模型。4.根据权利要求3所述的一种前列腺Gleason评分系统，其特征在于，采集若干训练样本，包括：采集若干HE染色的前列腺活检切片分别作为参与模型训练样本与验证样本；采集若干HE染色的玻片作为测试样本。5.根据权利要求3所述的一种前列腺Gleason评分系统，其特征在于，还包括：分别对所有WSI分布进行多次标签标注，整合多次标签标注的结果作为最终的每一WSI分布标签标注结果；标签包括：GD3
‑
5、HPIN、炎症和正常组织。6.根据权利要求3所述的一种前列腺Gleason评分系统，其特征在于，还包括：训练前列腺Gleason分类模型过程中，修改最后一个卷积层以支持多分类，和采用随机旋转和镜像的方式进行数据增量，和对训练图像块的亮度、对比度、色调和饱和度进行扰动以丰富前列腺Gleason分类模型能够支持的染色配置。7.根据权利要求3所述的一种前列腺Gleason评分系统，其特征在于，还...

【专利技术属性】
技术研发人员：王书浩，刘岩斌，
申请(专利权)人：北京透彻未来科技有限公司，
类型：发明
国别省市：