申请/专利权人：广州医科大学附属第一医院(广州呼吸中心)

申请日：2023-07-10

公开（公告）日：2024-04-12

公开（公告）号：CN116664550B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/70;G06V10/56;G06V10/26;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2023.09.15#实质审查的生效;2023.08.29#公开

摘要：本发明涉及细胞识别技术领域，揭露了一种肺癌组织免疫组化PD‑L1病理切片的智能识别方法，包括：获取病变细胞的病变组织切片，基于所述病变组织切片得到数字病变组织切片图像，将所述数字病变组织切片图像进行图像分割，得到病变细胞图像，对所述病变细胞图像的每一个通道进行像素归一化处理，根据预构建的深度网络模型获取所述病变细胞归一图的病变细胞特征图，将所述病变细胞特征图输入到预训练完成的YOLO模型中进行识别和计数，得到病变细胞的类型标记和数量。本发明还提出一种基于病变组织切片的细胞分数智能识别装置、电子设备以及计算机可读存储介质。本发明可以解决数字病理切片图像数据过大而导致病变细胞识别效率低的问题。

主权项：1.一种肺癌组织免疫组化PD-L1病理切片的智能识别方法，其特征在于，所述方法包括：获取病变细胞的病变组织切片，基于所述病变组织切片得到数字病变组织切片图像；将所述数字病变组织切片图像进行图像分割，得到病变细胞图像，其中所述病变细胞图像为3通道图像；对所述病变细胞图像的每一个通道进行像素归一化处理，得到3通道的病变细胞归一图： 其中，i和j表示病变细胞图像和病变细胞归一图的横坐标和纵坐标，Di,j表示坐标为i,j的病变细胞归一图的像素值，Ci,j表示坐标为i,j的病变细胞图像的像素值，M0表示病变细胞归一图的像素值的平均值，M表示病变细胞图像的像素值的平均值，V0表示病变细胞归一图的像素值的均方差，V表示病变细胞图像的像素值的均方差；根据预构建的深度网络模型获取所述病变细胞归一图的病变细胞特征图；所述根据预构建的深度网络模型获取所述病变细胞归一图的病变细胞特征图，包括：对所述病变细胞归一图进行卷积操作，得到病变细胞卷积图：Fx,y＝fx,y×L其中，Fx,y表示在x,y位置的病变细胞卷积图，fx,y表示在x,y位置的病变细胞归一图，x,y表示横坐标和纵坐标，L表示卷积核函数；对所述病变细胞卷积图进行最大池化处理，得到病变细胞池化图；对所述病变细胞池化图进行全连接神经网络计算，得到所述病变细胞特征图： 其中，pi表示所述病变细胞特征图第i个像素在所述病变细胞特征图的位置，U为病变细胞特征图的所有像素集合，ypi表示病变细胞特征图第i个像素的像素值，Tpi表示病变细胞池化图第i个像素经过BP层计算得到像素值，xpi+Δpi表示经过像素矫正的病变细胞池化图第i个像素的像素值；将所述病变细胞特征图输入到预训练完成的YOLO模型中进行识别和计数，得到病变细胞的类型标记和数量；所述YOLO模型所采用的损失函数为： 其中，Loss表示YOLO模型训练过程的损失值，s表示病变细胞训练集，x表示病变细胞训练集中的病变细胞训练图，i表示病变细胞训练集的图片编号，I表示病变细胞训练集中病变细胞训练图的数量，ji表示第i张病变细胞训练图中病变细胞的类型标记及位置，ki表示第i张病变细胞训练图中经过YOLO模型预测的病变细胞的类型标记及位置。

全文数据：

权利要求：

百度查询： 广州医科大学附属第一医院(广州呼吸中心) 肺癌组织免疫组化PD-L1病理切片的智能识别方法及装置

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