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：南京工业大学

摘要：一种基于病理图像特征检测肿瘤驱动基因差异表达算法，包括步骤：1病理图像的分割与过滤：选用癌症基因组图谱TCGA数据集中的组织切片；使用Ostu算法来检测所选区域是否存在组织细胞，用以区分背景区域；随后把组织切片slide分割成能够被模型计算的若干图块patch；2基于对比学习的预训练：使用ResNet50作为图块编码器，在对比学习框架下进行预训练，并在计算后对patch‑level特征进行聚合，获得slide‑level特征；3预测：预测任务使用全连接层进行预测，通过均方误差损失函数预测肿瘤驱动基因差异表达水平。

主权项：1.一种基于病理图像特征检测肿瘤驱动基因差异表达算法，其特征在于：包括步骤：1）数据分割：选用癌症基因组图谱TCGA数据集中的组织切片；使用Ostu算法检测所选区域是否存在组织细胞，用以区分背景区域；把组织切片slide切割成图像块patch，用作检测模型的输入；2）基于对比学习的预训练：使用神经网络ResNet50作为图块编码器基模型，在对比学习框架下进行预训练，并在计算后对patch-level特征进行聚合，来获得slide-level的特征；正样本采用随机图像增强的方式生成，负样本使用对抗学习算法AdCo产生；3）预测：预测任务使用全连接层进行预测，通过使用均方误差损失函数来实现肿瘤驱动基因差异表达预测；所述步骤1）中，使用癌症基因组图谱TCGA数据库中的差异表达基因数据，下载正常组织与相应肿瘤组织的转录组测序RNA-seq数据，获得转录组的基因表达图谱后，将计算的差异倍数foldchange记为肿瘤驱动基因差异表达值fc，并作为样本回归目标变量；在切片级slide-level下对WSI进行切割，得到有组织细胞的前景区域：使用PythonOpenslide读取slide数据，使用Ostu算法检测所选区域是否存在组织细胞，用以区分背景区域；将分割得到的前景轮廓切分，得到正方形小块patch；所述步骤2）中，设步骤1）中的第i张slide有Zi个patch；图块编码器基模型fθ将每个patch及增强视图转化为向量h与h'，经一个多层感知机projector分别投影到向量q与q'；训练过程中迭代更新图块编码器基模型参数θ以及对抗负样本矩阵M；梯度更新过程中，θ沿梯度下降的方向更新，M沿梯度上升的方向更新；对patch-level的特征进行聚合，使用注意力机制池化获得slide-level的特征，注意力池化是实例级加权平均的方法，权值由一个神经网络确定，并且权值的和为1；在网络模型中将一个slide的所有patch特征输入注意力池化层，并计算出每个patch的注意力权重ai，之后再加权平均得到slide-level的特征S；所述步骤3）中，在得到slide-level特征向量之后，即进行相应的下游任务；对于肿瘤驱动基因差异表达值fc的回归分析：使用全连接层，预测输出的是连续变量log10fc+1；在这个任务中，使用均方误差作为损失函数。

全文数据：

权利要求：

百度查询： 南京工业大学 一种基于病理图像特征检测肿瘤驱动基因差异表达算法