申请/专利权人：复旦大学附属华山医院

申请日：2023-11-23

公开（公告）日：2024-04-16

公开（公告）号：CN117894469A

主分类号：G16H50/50

分类号：G16H50/50;G16H70/60;G16H30/00;G06T7/00;G06T7/11;G06T7/136;G06T7/90;G06V10/762;G06V10/764;G06V10/774;G06V10/776

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种基于全切片病理图像的垂体腺瘤复发预测模型构建方法及预测系统。本发明预测模型首先在1倍放大倍数上对全切片病理图像进行二值化处理分割出待分析的组织区域和无关的背景区域，而后在20倍放大倍数上从组织区域中无重叠地提取图像块集合。为去除冗余图像块从而进一步提升网络模型性能，对图像块集合进行聚类，并选择类中心图像块输入网络。最后，建立基于聚类注意力的多实例分类模型预测垂体神经内分泌肿瘤复发，并通过模型中聚类图像块注意力分数的可视化对全切片病理图像进行可解释性分析。本发明预测模型不仅具有较高的复发预测精度，且整个过程由计算机自动完成无需人工干预，可用于临床中垂体神经内分泌肿瘤复发预测。

主权项：1.一种基于全切片病理图像的垂体腺瘤复发预测模型构建方法，其特征在于，包括以下步骤：步骤一.全切片病理图像前景组织区域分割：从全切片病理图像中分割出待处理的前景组织区域和无关的背景区域；针对1倍放大倍数的全切片病理图像，首先将其从RGB颜色空间转换为HSV颜色空间，然后在图像的饱和度通道上做二值化处理得到图像前景组织区域掩膜，最后利用形态学处理优化分割的掩膜区域；步骤二.聚类图像块特征提取：全切片病理图像具有较大的图像尺寸，局部图像信息具有较高的冗余性，为更有效的建立分类预测模型，构建了基于图像块聚类中心的全局图像表示方法；首先，在20倍放大倍数下的前景组织区域中依次无重叠地提取所有图像块；然后将所有提取图像块输入预训练好的Resnet网络中提取图像块特征来更有效地表达图像块包含的信息；为降低模型对病理图像染色差异的敏感性，在图像块输入网络前先对图像块的色调、饱和度、亮度进行微调；最后利用K-means算法对所有图像块特征进行聚类，得到聚类中心图像块特征其中K表示聚类中心个数，m表示每个图像块特征的维度；步骤三.基于聚类注意力的多实例预测模型建立：根据式1，式2，式3和式4构建基于聚类注意力的多实例预测网络，其中n设置为256；根据式5构建focalloss损失函数，并设置权重参数αt为0.25，调节因子γ为2；设置学习率lr为1e-4，批尺寸设置为512，将聚类中心图像块特征和3年或5年复发标签送入网络训练；其中，式1～5如下所示： LFL＝-αt1-ptγlogpt#5。

全文数据：

权利要求：

百度查询： 复旦大学附属华山医院 一种基于全切片病理图像的垂体腺瘤复发预测模型构建方法及预测系统

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