申请/专利权人：成都市第三人民医院

申请日：2023-07-28

公开（公告）日：2024-06-21

公开（公告）号：CN116959712B

主分类号：G16H50/20

分类号：G16H50/20;G06T7/00;G06V10/54;G06V10/774;G06V10/776;G06V10/26

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2023.11.14#实质审查的生效;2023.10.27#公开

摘要：本发明实施例公开了一种基于病理图像的肺腺癌预后方法、系统、设备及存储介质，本发明实施例在接收到患者病理图片后，通过自动化方法分析肺腺癌的细胞基本特征以及高阶特征。基于这些细胞特征，运用机器学习方法进行精准的肺腺癌患者预后，获得准确率高的肺腺癌患者预后信息。本发明实施例解决了病理图片难以精准定量以及运用的技术难题，预后信息准确，成本较低。

主权项：1.基于病理图像的肺腺癌预后方法，其特征在于，所述方法包括：S1、采集肺部病理图片与对应肺腺癌患者的预后数据，将所述病理图片分割成预设大小的第一病理切片并对所述第一病理切片进行预处理，生成第二病理切片；S2、利用预设识别模型对所述第二病理切片进行分割，从中定位细胞组织位置，生成细胞组织定位蒙版与细胞组织位置信息，利用预设背景消除模型从所述细胞组织位置信息中识别出细胞核，生成细胞核定位蒙版与细胞核位置信息，利用预设辅助识别模型结合所述细胞核位置信息与所述细胞组织位置信息对全细胞进行定位，生成具有全细胞位置信息的第三病理切片；S3、分别利用黑、白滤波器增强所述第三病理切片的图像特征，生成第四病理切片，并利用预设辅助识别模型对第四病理切片中的细胞质进行定位识别，生成细胞质定位蒙版与细胞质位置信息；S4、根据所述细胞组织位置信息及所述全细胞位置信息分别对所述细胞组织及所述全细胞进行特征提取及纹理分析，生成患者病理特征与患者病理特征集；S5、构建肺腺癌预后模型，将所述患者病理特征集按预设比例分开，生成训练集与测试集，利用所述训练集内的信息对所述肺腺癌预后模型进行训练并利用所述测试集对所述肺腺癌预后模型进行测试；S6、当所述测试集中的预设年份预后结果准确率高于预设信息时，当前肺腺癌预后模型测试完毕，输入待预测的患者肺部病理图像，生成该患者的肺腺癌预后数据；利用预设识别模型对所述第二病理切片进行分割，从中定位细胞组织位置，生成细胞组织定位蒙版与细胞组织位置信息，包括：对所述第二病理切片进行梯度计算并依据梯度计算数据进行分割，定位细胞组织位置；利用大津法进行阈值识别并对所述第二病理切片进行阈值处理，并对各个边缘点的灰度值从低到高进行排序，灰度值大于阈值的即为细胞组织部分；利用预设背景消除模型从所述细胞组织位置信息中识别出细胞核，生成细胞核定位蒙版与细胞核位置信息，利用预设辅助识别模型结合所述细胞核位置信息与所述细胞组织位置信息对全细胞进行定位，生成具有全细胞位置信息的第三病理切片，包括：利用MOG背景消除法从所述细胞组织位置信息中识别出细胞核，生成细胞核定位蒙版与细胞核位置信息；对所述第二病理切片进行图像扫描，找到一个未获得归属的像素；以该像素为中心，考虑该像素的预设邻域像素，将满足生长准则的邻域像素与该像素合并为像素区域；遍历全部像素直至没有未获得归属的像素，其中所述像素区域即为全细胞区域；利用全细胞区域信息生成具有全细胞位置信息的第三病理切片；构建肺腺癌预后模型，将所述患者病理特征集按预设比例分开，生成训练集与测试集，利用所述训练集内的信息对所述肺腺癌预后模型进行训练并利用所述测试集对所述肺腺癌预后模型进行测试，包括：随机选择部分样本与对应特征，构建预设数量的决策树；通过对各个决策树的权重进行投票，生成预后结果；调整各个决策树的权重数据直至测试集中的预后结果准确率高于预设阈值。

全文数据：

权利要求：

百度查询： 成都市第三人民医院 基于病理图像的肺腺癌预后方法、系统、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD