组织病理图像中病灶区域预测方法

专利主权项内容

1.组织病理图像中病灶区域预测方法，其特征在于，包含如下步骤：S1、选取组织病理图像数据集，划分数据集：训练集、验证集和测试集；S2、染色注意力图初始化：利用自适应颜色反卷积算法对组织病理图像进行染色分离，提取出苏木精和伊红通道的染色分离图像，利用卷积、最大池化操作处理染色分离图像获得初始化的染色注意力图；其中I＝[I, I], I为染色分离图像，I为染色分离h通道图像，I为染色分离e通道图像，/>为原始图像尺寸，初始化过程如下式所示：sthesthe其中，为初始化的染色注意图，/>为染色h通道注意图，/>为染色e通道注意图，/>为染色注意图尺寸，conv和maxpool分别为卷积操作和最大池化操作；S3、搭建并训练染色空间注意力模型：在残差网络主干上的每一个编码层加入空间染色注意力模块，该模块由空间注意力和染色注意力组成；主干后面连接一个分类器；训练时空间染色注意力块可以增强网络对染色信息的关注，不断将更深层次的染色特征馈送入下一层空间染色注意力块，步骤如下：S31、通过卷积池化操作对输入组织病理图像进行处理得到输入特征图输入空间染色注意力模块；S32、将步骤S2生成的染色注意力图输入空间染色注意力模块；S33、搭建空间染色注意力块：将步骤S31得到的输入特征图F输入到残差块，并将残差块输出与空间注意力模块M并联，得到中间特征图F′；再将F′与染色注意力模块M并联，得到最终输出特征图F″，如以下公式所示：spst其中，为输入特征图，/>为输入染色注意图，/>表示空间注意图，C为特征图的通道数量，/>与H、W分别为特征图的尺寸，空间注意图M(F)经过广播后按元素与特征图F相乘后得到中间特征图/>为染色注意力权重，/>则表示F′与/>经过广播后按元素相乘后得到的最终输出特征图，输出特征图F″为下一个空间染色注意力块的输入特征图，同时输出染色注意图/>为下一个空间染色注意力块的输入染色注意图；spS34、将16个空间染色注意力模块串联，得到7×7大小的特征图，然后通过全局平均池化操作得到1×1大小的特征图，最后利用全连接层和softmax概率映射层，得到阳性概率；S35、设置模型超参数，输入组织病理图像，训练模型至损失函数收敛，记录查准率，查全率，分类准确率和F1值；S4、用测试集测试模型，对达到要求的模型迁移到全切片病理图像病变区域检测任务中；否则，回到步骤S4重新训练模型；S5、全视野数字切片病变区域检测：利用步骤S4中模型预测从全视野数字切片(WholeSlide Image，WSI)中裁剪下来的小图块，根据其阳性概率聚合到WSI中，生成对应的热力图，激活响应最高的区域就是可能发生病变的区域，步骤如下：S51、首先分割组织病理WSI的组织区域，然后裁剪组织区域，得到小图块；S52、染色分离：获得小图块的染色分离图像并保存小图块在WSI中的坐标；S53、利用步骤S3中训练好的模型预测步骤S52中染色分离图像，得到小图块对应阳性的概率；S54、将小图块阳性概率按照坐标聚合到相应WSI，即可得到标识可疑病变区域的热力图和掩码图；概率聚合规则如下：其中，x和y为WSI中的像素坐标，v(x, y)表示该像素为肿瘤的概率，N为经过该像素的小图块个数，p为经过该像素的第i个小图块为肿瘤的概率。i