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：广州医科大学附属第一医院(广州呼吸中心)

摘要：本申请为细胞识别技术领域，本申请提供了一种食管癌组织PD‑L1免疫组化的智能评估方法及终端，其中，所述方法包括：对初始病理切片进行PD‑L1免疫组化染色处理得到目标病理切片，对目标病理切片进行数字化扫描得到病理全场图像，利用YOLO模型对数字病理全场图像中的肿瘤区域的肿瘤细胞进行标记和计数，得到肿瘤细胞数，并对肿瘤区域的阳性肿瘤细胞进行标记和计数，得到阳性肿瘤细胞数，利用YOLO模型对肿瘤区域的阳性淋巴细胞和阳性单核巨噬细胞进行标记和计数，得到阳性淋巴细胞数和阳性单核巨噬细胞数，并计算CPS评分，以实现食管癌组织PD‑L1免疫组化的智能评估，提高食管癌组织PD‑L1免疫组化的评估准确性及效率。

主权项：1.一种食管癌组织PD-L1免疫组化的智能评估方法，其特征在于，包括：获取食管癌组织PD-L1免疫组化的初始病理切片，对所述初始病理切片进行PD-L1免疫组化染色处理，得到目标病理切片；对所述目标病理切片进行数字化扫描，得到在预设放大倍数视野下的数字病理全场图像，并确定所述数字病理全场图像中的肿瘤区域；利用预建的YOLO模型对所述肿瘤区域的肿瘤细胞进行标记和计数，得到肿瘤细胞数，并对所述肿瘤区域的阳性肿瘤细胞进行标记和计数，得到阳性肿瘤细胞数；利用预建的所述YOLO模型对所述肿瘤区域的阳性淋巴细胞和阳性单核巨噬细胞进行标记和计数，得到阳性淋巴细胞数和阳性单核巨噬细胞数；根据所述肿瘤细胞数、阳性肿瘤细胞数、阳性淋巴细胞数和阳性单核巨噬细胞数计算CPS评分，所述CPS评分用于评估食管癌组织中PD-L1免疫组化的表达水平： ;其中，所述a为阳性肿瘤细胞数，所述b为阳性淋巴细胞数，所述c为阳性单核巨噬细胞数，所述S为肿瘤细胞数；其中，对所述目标病理切片进行数字化扫描，得到在预设放大倍数视野下的数字病理全场图像，包括：根据预设放大倍数设置全切片成像系统的多个扫描阶段，每个扫描阶段对应的放大倍数为所述预设放大倍数的N倍或1N,所述N为正整数；基于每个扫描阶段对应的放大倍数及默认分辨率设置全切片成像系统的扫描参数，控制所述全切片成像系统按照所述扫描参数对所述目标病理切片进行数字化扫描，得到多张局部显微图像；根据预设的图像处理算法将所述多张局部显微图像进行拼接，得到数字病理全场图像；其中，根据预设的图像处理算法将所述多张局部显微图像进行拼接，得到数字病理全场图像，包括：确定每张局部显微图像的清晰度；判断每张所述局部显微图像的清晰度是否都高于预设清晰度；当判定每张所述局部显微图像的清晰度都高于预设清晰度时，利用Canny算法对每张所述局部显微图像进行边界检测，得到每张所述局部显微图像的边界特征，基于每张所述局部显微图像的边界特征，利用尺度不变特征变换算法确定局部显微图像之间匹配的特征点和变换矩阵，基于所述局部显微图像之间匹配的特征点和变换矩阵计算出最优排列组合，按照所述最优排列组合将所述多张局部显微图像进行拼接，并去除重复图像区域后，得到数字病理全场图像；其中，利用Canny算法对每张所述局部显微图像进行边界检测，得到每张所述局部显微图像的边界特征，包括：利用加权平均方法对每张所述局部显微图像进行灰度化处理，得到多张灰度图像；通过自适应卷积算法将每张所述灰度图像中每个像素的像素值转换为邻域内像素值的加权平均值，生成多张第一局部显微图像；将每张所述第一局部显微图像分别划分为多个子图像区域，计算每张所述第一局部显微图像中每个子图像区域的中心像素与周围邻域像素之间的像素差值，得到每张所述第一局部显微图像的像素差值数集；对每张所述第一局部显微图像的像素差值数集的像素差值进行梯度计算，得到每张所述第一局部显微图像在水平方向和垂直方向上的梯度幅值；根据每张所述第一局部显微图像在水平方向和垂直方向上的梯度幅值计算得到总体梯度幅值；将每张所述第一局部显微图像中像素值大于所述总体梯度幅值的像素点标记为边界像素点，形成每张所述局部显微图像的边界特征；其中，确定所述数字病理全场图像中的肿瘤区域，包括：获取标准数字病理全场图像，所述标准数字病理全场图像为预处理好的数字病理全场图像；将在预设放大倍数视野下的所述数字病理全场图像调整为与所述标准数字病理全场图像尺寸相同的图像，得到第一数字病理全场图像；将所述第一数字病理全场图像与所述标准数字病理全场图像进行对齐处理，并计算所述第一数字病理全场图像与所述标准数字病理全场图像之间对齐像素的像素差值；计算所有像素差值的加权平均值，将所述加权平均值乘以lgM，得到目标像素差值，所述M为所述第一数字病理全场图像与所述标准数字病理全场图像之间对齐像素的像素对的数量；利用所述目标像素差值调整所述第一数字病理全场图像中每个像素的像素值，得到目标数字病理全场图像；从所述目标数字病理全场图像中提取出肿瘤区域特征和非肿瘤区域特征，基于所述肿瘤区域特征和非肿瘤区域特征，利用阈值分割算法对所述目标数字病理全场图像进行分割，得到肿瘤区域。

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) 食管癌组织PD-L1免疫组化的智能评估方法及终端