System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 胰腺癌治疗后的病理分级方法、装置制造方法及图纸_技高网

胰腺癌治疗后的病理分级方法、装置制造方法及图纸

技术编号:43244833 阅读:7 留言:0更新日期:2024-11-05 17:28
本申请公开了一种胰腺癌治疗后的病理分级方法和装置。方法包括:获取步骤,获取胰腺癌患者在治疗后的多个数字病理图像,并将每个数字病理图像切分成多个图像块;分割步骤,将多个数字病理图像各自的多个图像块分别输入肿瘤分割模型和间质分割模型,以从每个图像块分割出肿瘤分割结果和间质分割结果;量化步骤,基于所有图像块各自的肿瘤分割结果和间质分割结果,使用预定算法计算得到胰腺癌患者的多个量化参数;分级步骤,将多个量化参数输入潜类别分类模型,从而输出得到胰腺癌患者的病理分级。本发明专利技术可以提高诊断效率,诊断结果也更准确更客观。

【技术实现步骤摘要】

本申请涉及人工智能领域,特别涉及胰腺癌治疗后的病理分级方法、装置、介质、电子设备、计算机程序产品。


技术介绍

1、胰腺癌被认为是全球最致命的癌症类型之一,因其进展迅速、预后极差被称为“癌中之王”。五年生存率在所有常见肿瘤中倒数第一。目前,根治性手术切除是唯一可能治愈胰腺癌的机会,然而遗憾的是,初次诊断时仅有15%~20%的患者有手术的机会,并且部分胰腺癌患者在接受手术切除后发现存在淋巴结转移和切缘阳性(又称r1切除,即显微镜下距离切缘1mm内存在肿瘤细胞)。近年来,胰腺癌逐渐被认识到是一种全身性的疾病,治疗模式逐渐转变为多学科协作综合治疗,围绕根治性切除开展的术前新辅助治疗在胰腺癌诊疗中的地位日益凸显。新辅助治疗是指术前通过化疗或者联合放化疗,使得肿瘤缩小降期、消灭微转移灶、提高r0切除率、延长患者的无病生存期、总生存期,改善患者的预后。

2、肿瘤退缩分级(tumor regression grading,trg)是病理评估胰腺癌患者新辅助治疗有效性的一个重要指标。总的来说,trg评估有两个要点,要点一:损毁的肿瘤细胞,该指标是需要病理医师在对原始肿瘤形态和大小进行估计的基础上,结合观察到的残留肿瘤细胞间接得到的,会受到病理医师主观因素的影响,因此该指标主观性较强;要点二:新辅助治疗诱导的间质纤维化,但是其与慢性胰腺炎的纤维化相似,故很难将两者区分开来。以我国指南推荐使用的美国病理学家协会(college of american pathologists,cap)评估系统为例,其评价标准如下:没有存活肿瘤细胞为trg0级;单个/小灶性肿瘤细胞残留为trg1级;残留肿瘤细胞灶伴间质纤维化为trg2级;少数或无肿瘤退缩,大量肿瘤细胞残留为trg3级。从上述标准中可以看出评估指标不精确、主观性强。2019年阿姆斯特丹关于胰腺癌新辅助治疗后的肿瘤反应国际共识会议上,国际胰腺病理学家研究组(internationalstudy group of pancreatic pathologists,isgpp)指出,大多数肿瘤退缩分级评估系统缺乏客观的标准。此外,有研究表明这些肿瘤退缩分级评估系统对于预后的预测价值也有争议。

3、另一方面,对于trg的评估诊断的准确性取决于病理医师的专业知识和临床诊断经验,因此,不同病理医师诊断的一致性较低。再者,病理医师每天要在显微镜下观察分析很多张组织病理切片,每张切片中又包含数百万个细胞,过程中需要不断调整载玻片位置和显微镜放大倍数,不仅耗时费力,而且阅片效率低,长时间观察带来的阅片疲劳必然会造成一定的误诊率。因此,迫切需要建立一个能预测胰腺癌新辅助治疗患者预后的客观病理评价指标辅助病理医生进行诊断。


技术实现思路

1、本申请实施例提供了胰腺癌治疗后的病理分级方法、胰腺癌治疗后的病理分级装置、介质、电子设备、计算机程序产品。

2、第一方面,本申请实施例提供了一种胰腺癌治疗后的病理分级方法,用于电子设备,所述方法包括:

3、获取步骤,获取胰腺癌患者在治疗后的多个数字病理图像,并将每个数字病理图像切分成多个图像块;

4、分割步骤,将多个数字病理图像各自的多个图像块分别输入肿瘤分割模型和间质分割模型,以从每个图像块分割出肿瘤分割结果和间质分割结果;

5、量化步骤,基于所有图像块各自的肿瘤分割结果和间质分割结果,使用预定算法计算得到所述胰腺癌患者的多个量化参数;

6、分级步骤,将所述多个量化参数输入潜类别分类模型,从而输出得到所述胰腺癌患者的病理分级。

7、在上述第一方面的一种可能的实现中,所述量化步骤进一步包括:从肿瘤分割结果确定每个肿瘤性腺体的中心点,并根据多个所述中心点来确定肿瘤床,

8、其中,所述多个量化参数包括:基于所述肿瘤分割结果、所述肿瘤床、所述间质分割结果,使用预定算法计算得到的多个肿瘤相关参数、多个肿瘤床相关参数、以及多个肿瘤间质比相关参数。

9、在上述第一方面的一种可能的实现中,通过以下方式来训练所述肿瘤分割模型和所述间质分割模型:

10、获取多个样本胰腺癌患者在治疗后的多个样本数字病理图像,并将每个样本数字病理图像切分成多个样本图像块;

11、在每个样本图像块中标注出肿瘤性腺体和间质,得到肿瘤数据集和间质数据集;

12、使用所述肿瘤数据集来训练所述肿瘤分割模型,并使用所述间质数据集来训练所述间质分割模型。

13、在上述第一方面的一种可能的实现中,将所述肿瘤数据集分为肿瘤训练集和肿瘤验证集,并使用所述肿瘤训练集和所述肿瘤验证集来训练所述肿瘤分割模型,

14、将所述间质数据集分为间质训练集和间质验证集,并使用所述间质训练集和所述间质验证集来训练所述间质分割模型。

15、在上述第一方面的一种可能的实现中,所述量化步骤进一步包括:

16、基于属于一个数字病理图像的多个图像块各自的肿瘤分割结果和间质分割结果,使用预定算法计算得到多个图像块各自的多个量化参数;

17、将多个图像块各自的多个量化参数进行合并,得到所述一个数字病理图像的多个量化参数;

18、将多个数字病理图像各自的多个量化参数进行合并,得到所述胰腺癌患者的多个量化参数。

19、第二方面,本专利技术提供了一种胰腺癌治疗后的病理分级装置,所述病理分级装置包括:

20、获取单元,获取胰腺癌患者在治疗后的多个数字病理图像,并将每个数字病理图像切分成多个图像块;

21、分割单元,将多个数字病理图像各自的多个图像块分别输入肿瘤分割模型和间质分割模型,以从每个图像块分割出肿瘤分割结果和间质分割结果;

22、量化单元,基于所有图像块各自的肿瘤分割结果和间质分割结果,使用预定算法计算得到所述胰腺癌患者的多个量化参数;

23、分级单元,将所述多个量化参数输入潜类别分类模型,从而输出得到所述胰腺癌患者的病理分级。

24、第三方面,本专利技术实施例提供了一种计算机可读存储介质,所述存储介质上存储有指令,所述指令在计算机上执行时使所述计算机执行第一方面任一项所述的胰腺癌治疗后的病理分级方法。

25、第四方面,本专利技术实施例提供了一种电子设备,包括:一个或多个处理器;一个或多个存储器;所述一个或多个存储器存储有一个或多个程序,当所述一个或者多个程序被所述一个或多个处理器执行时,使得所述电子设备执行第一方面所述的胰腺癌治疗后的病理分级方法。

26、第五方面,本申请实施例提供了一种计算机程序产品,包括计算机可执行指令,其特征在于,所述指令被处理器执行以实施第一方面所述的胰腺癌治疗后的病理分级方法。

27、本专利技术中,本专利技术中,利用语义分割模型对每位行新辅助治疗后且接受手术切除的胰腺癌患者的所有的数字病理图像进行分割,然后使用算法对分割的肿瘤性腺体、间质、肿瘤床的大小、面积等指标进行量化,最后基于上述量化的指标对胰腺癌新辅助治疗人群进行本文档来自技高网...

【技术保护点】

1.一种胰腺癌治疗后的病理分级方法,用于电子设备,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述量化步骤进一步包括:从肿瘤分割结果确定每个肿瘤性腺体的中心点,并根据多个所述中心点来确定肿瘤床,

3.根据权利要求1或2所述的方法,其特征在于,通过以下方式来训练所述肿瘤分割模型和所述间质分割模型:

4.根据权利要求3所述的方法,其特征在于,将所述肿瘤数据集分为肿瘤训练集和肿瘤验证集,并使用所述肿瘤训练集和所述肿瘤验证集来训练所述肿瘤分割模型,

5.根据权利要求1所述的方法,其特征在于,所述量化步骤进一步包括:

6.一种胰腺癌治疗后的病理分级装置,其特征在于,所述病理分级装置包括:

7.一种计算机可读存储介质,其特征在于,所述存储介质上存储有指令,所述指令在计算机上执行时使所述计算机执行权利要求1至5中任一项所述的胰腺癌治疗后的病理分级方法。

8.一种电子设备,其特征在于,包括:一个或多个处理器;一个或多个存储器;所述一个或多个存储器存储有一个或多个程序,当所述一个或者多个程序被所述一个或多个处理器执行时,使得所述电子设备执行权利要求1至5中任一项所述的胰腺癌治疗后的病理分级方法。

9.一种计算机程序产品,包括计算机可执行指令,其特征在于,所述指令被处理器执行以实施权利要求1至5中任一项所述的胰腺癌治疗后的病理分级方法。

...

【技术特征摘要】

1.一种胰腺癌治疗后的病理分级方法,用于电子设备,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述量化步骤进一步包括:从肿瘤分割结果确定每个肿瘤性腺体的中心点,并根据多个所述中心点来确定肿瘤床,

3.根据权利要求1或2所述的方法,其特征在于,通过以下方式来训练所述肿瘤分割模型和所述间质分割模型:

4.根据权利要求3所述的方法,其特征在于,将所述肿瘤数据集分为肿瘤训练集和肿瘤验证集,并使用所述肿瘤训练集和所述肿瘤验证集来训练所述肿瘤分割模型,

5.根据权利要求1所述的方法,其特征在于,所述量化步骤进一步包括:

6.一种胰腺癌治疗后的病理分...

【专利技术属性】
技术研发人员:边云邵成伟陈成伟
申请(专利权)人:中国人民解放军海军军医大学第一附属医院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1