买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：福州大学;福建省肿瘤医院(福建省肿瘤研究所、福建省癌症防治中心)

摘要：本发明涉及一种胃癌HER2数字病理切片智能辅助判读方法。在现有的临床应用中，需要人工肉眼比对HE染色切片图像和HER2免疫组化切片进行诊断，胃癌HER2评分过程繁琐且耗时。因此，本发明首次提出一种胃癌HER2智能评分算法来辅助医生进行判读。输入一张病理切片，输出每个类别的百分比，根据这些百分比（患者级别）输出HER2分数；最后，根据各个类别的百分比，输入SVM分类器，得出要不要做FISH的建议。其次，为了加速智能判读的计算过程，在卷积神经网络设计上，采用了3*3卷积和ReLU，不用分支结构，使得模型的推理速度提升不少，节约大量内存，可以在硬件端实现模型推理速度的提升，更适用于医院设备。本发明能够辅助医生判读，提供相较客观的数据。

主权项：1.一种胃癌HER2数字病理切片智能辅助判读方法，其特征在于，首先构建并训练Unet分割模型检测胃癌细胞区域并分割出胃癌细胞；其次，设计一种基于HE染色切片和HER2免疫组化切片的胃癌数字病理切片配准方法，将运动图像映射到固定图像，并通过测量两幅图像之间的相似度来评估映射；而后，基于胃癌数字病理切片的配准结果，对HER2免疫组化图像按照10倍镜视野切分为256*256的小patch训练图像块，并对训练图像块进行0、1+、2+、3+的图像级别分类得到训练样本，送入构建的HER2免疫组化图像级别分类模型进行训练，而后将待检测图像输入训练好的HER2免疫组化图像级别分类模型得出分类结果，输出每个类别的百分比，并基于各个类别的百分比输出HER2分数；最后，根据各个类别的百分比，输入SVM分类器，得出做FISH与否的建议；所述构建并训练Unet分割模型检测胃癌细胞区域并分割出胃癌细胞的具体实现方式如下：构建并训练Unet分割模型，并根据训练后的分割模型得到切片上胃癌区域的分割结果；由于输入Unet分割模型网络结构的病理图像分辨率较高，因此对Convlayers进行改进，采用conv+relu+pooling层提取featuremaps，在encode部分，采用多尺度输入的方法，增加尺度信息，并加入空间注意力机制和通道注意力机制，提升分割准确率；所述基于HE染色切片和HER2免疫组化切片的胃癌数字病理切片配准方法的原理如下：将运动图像即HER2图像映射到固定图像即HE图像，通过测量两幅图像之间的相似度来评估映射，对配准方法进行优化，直到映射被视为最佳，映射最佳是以成本决定达到可接受值或在最大迭代次数后停止；所述HER2免疫组化图像级别分类模型的架构采用多分支架构，HER2免疫组化图像级别分类模型通过学习resnet网络的残差结构，在简单的3*3卷积模块中加入identity和残差分支。

全文数据：

权利要求：

百度查询： 福州大学 福建省肿瘤医院(福建省肿瘤研究所、福建省癌症防治中心) 一种胃癌HER2数字病理切片智能辅助判读方法