【技术实现步骤摘要】
本专利技术涉及数字病理诊断领域，具体涉及一种前列腺癌的定位系统。
技术介绍
1、前列腺癌是男性生殖系统中发病率和死亡率较高的恶性肿瘤。在临床实践中，病理医生通过观察病理切片中的腺体组织形态来识别前列腺癌的病灶，并按照世界卫生组织的标准对癌症进行gleason分级。对应不同的gleason分级有不同的治疗和预后方案。然而，通过肉眼观察进行诊断的方法具有强烈的主观性和较差的一致性，这导致了前列腺癌的较高误诊率。此外，由于癌症的初筛，诊断，和质检的需求量很大，而病理医生的数量远远无法满足这一需求。
2、gleason评分系统是最常用的前列腺癌分级系统。它是根据前列腺癌组织的显微镜下形态来评分的。具体来说，病理学家会从前列腺癌组织样本中选择两个最常见的病变区域，然后分别给出1至5级的评分，两个评分相加得到gleason总分，总分越高，表示前列腺癌的恶性程度越高，预后越差。
3、常规用于自然图像上的深度学习视觉模型在处理病理诊断问题时需要对数字病理切片数据进行染色归一化，因为数字病理切片中的染色差异对模型的训练和推理造成了很大的干扰。此外，由于病理切片的分辨率较高，常规深度学习训练用的显卡显存不足以处理完整的病理切片，因此需要将数字病理切片切成小图块输入模型。然而，这就需要每个小图块都有标签才能进行监督学习，这对病理医生来说是一个费时，费力，且容易出错的过程。
4、虽然深度学习预测病理切片的分级可以实现较高的准确率，但对于前列腺癌诊断，仅有的分级信息还不够。前列腺癌具有渗透性，不同gleason等级的前
技术实现思路
1、针对现有技术中存在的上述问题，现提供一种一种前列腺癌的定位系统。
2、具体技术方案如下：一种前列腺癌的定位系统，其中，所述定位系统包括：
3、预处理单元，用于对前列腺的病理切片进行预处理，得到多个病理图块；
4、第一提取单元，连接所述预处理单元，用于根据病理特征提取器对所述病理图块进行特征提取，得到每个所述病理图块的特征向量；
5、第二提取单元，连接所述第一提取单元，用于根据所述特征向量通过训练好的注意力网络模型进行权重提取，得到图块权重；
6、分级单元，连接所述第二提取单元，用于根据所述图块权重聚合得到图块特征，并根据所述图块特征通过训练好的分类网络模型进行分级预测，得到分级结果，并根据所述分级结果确定所述病理切片的基准染色颜色；
7、复制单元，连接所述预处理单元，用于根据不同偏移起始坐标将所述病理切片分别复制得到对应于不同的偏移状态下的复制病理切片；
8、将每个所述复制病理切片分别送入所述预处理单元、所述第一提取单元和所述第二提取单元，以获取每个所述复制病理切片下的所述病理图块的图块权重；
9、权重处理单元，连接所述第二提取单元，基于所有所述复制病理切片以及所述病理切片，计算得到单个像素点下的像素权重；
10、染色单元，分别连接所述分级单元和所述权重处理单元，用于根据所述基准染色颜色和每个所述像素点的所述像素权重，分别对每个所述像素点进行染色，从而输出所述病理切片的病灶定位热图。
11、优选的，所述第二提取单元包括：
12、整合模块，用于将多个所述特征矢量组合形成第一处理包；
13、降维模块，连接所述整合模块，用于通过所述注意力网络模型对所述第一处理包进行降维处理，分别得到每个所述病理图块图块的图块权重。
14、优选的，所述分级单元包括：
15、第一处理模块，用于根据所述图块权重对所述图块特征进行加权平均，得到对应于所述第一处理包的第一矢量；
16、分级模块，连接所述第一处理模块，用于通过所述分类网络模型，根据所述第一矢量对所述第一处理包所对应的所述病理切片进行分级预测，得到所述分级结果。
17、优选的，当对所述注意力网络以及所述分类网络进行训练时，所述病理切片为带分级标签的训练数据，所述第一处理包的识别标签为所述病理切片的分级标签。
18、优选的，所述分级单元还包括优化模块，用于对所述注意力网络模型及所述分类模型进行优化，所述优化模块包括：
19、第一计算子模块，用于根据交叉熵函数计算所述分级结果与所述识别标签之间的损失，得到第一损失；
20、第二计算子模块，连接所述第一计算子模块，用于根据所述第一损失通过计算损失函数计算得到所述分类网络模型的每个参数的梯度；
21、迭代子模块，连接所述第二计算子模块，用于根据所述梯度更新每个所述参数，并对所述注意网络模型及所述分类网络模型进行迭代训练，直至所述注意力网络模型及所述分类模型的损失收敛为止。
22、优选的，所述分级结果包括多种，每种所述分级结果分别对应于一个所述基准染色颜色。
23、优选的，所述复制单元中，根据以下公式确定所述偏移起始坐标：
24、(x0,y0)＝(x1*i％,y1*j％)；
25、其中，x0为所述复制病理切片的x轴的坐标值，y0为所述复制病理切片的y轴的坐标值，x1为所述病理切片的x轴的坐标值，y1为所述病理切片的y轴的坐标值，i％为所述复制病理切片与所述病理切片在x轴方向上的重叠率，j％为所述复制病理切片与所述病理切片在y轴方向上的重叠率。
26、优选的，所述权重处理单元包括：
27、第三计算模块，基于所述复制病理切片以及所述病理切片，通过所述第二提取单元得到关联于每个像素点的所有所述图块权重；
28、第四计算模块，连接所述第三计算模块，用于针对单个所述像素点，对所有关联于所述像素点的所述图块权重进行平均值处理，得到单个所述像素点下的所述像素权重。
29、优选的，单个所述像素点的所述像素权重越高，单个所述像素点在所述病灶定位热图上的颜色越深。
30、上述技术方案具有如下优点或有益效果：本专利技术通过使用训练好的注意力网络模型和分类网络模型根据不同的病理切片自适应调整分级预测和定位病灶，具有较高的自适应性，同时使前列腺癌的诊断更精准、快速，不需要消耗大量的时间以及精力，进而使效率更高。
本文档来自技高网...【技术保护点】
1.一种前列腺癌的定位系统，其特征在于，所述定位系统包括：
2.根据权利要求1所述的一种前列腺癌的定位系统，其特征在于，所述第二提取单元包括：
3.根据权利要求2所述的一种前列腺癌的定位系统，其特征在于，所述分级单元包括：
4.根据权利要求3所述的一种前列腺癌的定位系统，其特征在于，当对所述注意力网络以及所述分类网络进行训练时，所述病理切片为带分级标签的训练数据，所述第一处理包的识别标签为所述病理切片的分级标签。
5.根据权利要求4所述的一种前列腺癌的定位系统，其特征在于，所述分级单元还包括优化模块，用于对所述注意力网络模型及所述分类模型进行优化，所述优化模块包括：
6.根据权利要求1所述的一种前列腺癌的定位系统，其特征在于，所述分级结果包括多种，每种所述分级结果分别对应于一个所述基准染色颜色。
7.根据权利要求6所述的一种前列腺癌的定位系统，其特征在于，所述复制单元中，根据以下公式确定所述偏移起始坐标：
8.根据权利要求1所述的一种前列腺癌的定位系统，其特征在于，所述权重处理单元包括：
<...【技术特征摘要】
1.一种前列腺癌的定位系统，其特征在于，所述定位系统包括：
2.根据权利要求1所述的一种前列腺癌的定位系统，其特征在于，所述第二提取单元包括：
3.根据权利要求2所述的一种前列腺癌的定位系统，其特征在于，所述分级单元包括：
4.根据权利要求3所述的一种前列腺癌的定位系统，其特征在于，当对所述注意力网络以及所述分类网络进行训练时，所述病理切片为带分级标签的训练数据，所述第一处理包的识别标签为所述病理切片的分级标签。
5.根据权利要求4所述的一种前列腺癌的定位系统，其特征在于，所述分级单元还包括优化模块，用于对所述注意力...
【专利技术属性】
技术研发人员：曹登峰，魏国鹏，刘文杰，晋泽，
申请(专利权)人：上海纽帕斯医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。