癌癥的危害不言而喻,早期發(fā)現(xiàn)治療至關(guān)重要。計(jì)算機(jī)輔助病理圖像檢測減輕了病理學(xué)家的工作量,有助于降低誤診率,具有很重要的臨床價(jià)值。數(shù)字組織病理學(xué)圖像分析中的兩大基本任務(wù)為圖像分類和圖像檢測,在全切片（WSI）上準(zhǔn)確檢測出病變區(qū)域是數(shù)字病理診斷和分級任務(wù)中的關(guān)鍵步驟。蘇木精-伊紅（HE）染色法能較好地顯示組織結(jié)構(gòu)和細(xì)胞形態(tài),且染色后切片可以長期保存,優(yōu)勢明顯。基于此,本文主要研究基于HE染色切片的病理圖像檢測分類算法,主要包括分類模型的訓(xùn)練和病理切片的檢測兩部分。在訓(xùn)練分類模型時(shí),采取兩種基于深度學(xué)習(xí)的方法進(jìn)行,并對兩種方式訓(xùn)練的分類模型進(jìn)行性能評估,選取表現(xiàn)較優(yōu)的分類模型用于病理切片檢測;病理切片檢測分為大幅圖像區(qū)域檢測和全切片檢測,針對全切片的癌變區(qū)域檢測改進(jìn)了已有的自適應(yīng)采樣算法,進(jìn)行大量實(shí)驗(yàn)證明改進(jìn)算法的優(yōu)越性。本文的主要研究工作如下:（1）研究基于HE染色的病理切片圖像特點(diǎn),根據(jù)顏色差異從WSI中提取感興趣區(qū)域。依據(jù)病理學(xué)家標(biāo)注分別提取三種倍鏡下的區(qū)塊圖像制備三種樣本集。針對不同來源的切片圖像顏色差異問題,對區(qū)塊圖像進(jìn)行顏色歸一化操作。（2）采取兩種方式訓(xùn)練分類模型。一是在研究D... 

【文章來源】：武漢理工大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

經(jīng)過HE染色后的組織穿刺掃描圖

14片均由HE染色劑染色，只是來源于不同的機(jī)構(gòu)，單張圖像的大小約為80,000×80,000像素。每張圖片有一個(gè)同名的標(biāo)注文件，其中包含該圖像的癌細(xì)胞區(qū)域標(biāo)注信息，一般由病理學(xué)家根據(jù)相關(guān)醫(yī)學(xué)知識手動標(biāo)注。如圖2-2所示，藍(lán)色區(qū)域內(nèi)為病理學(xué)家標(biāo)注的癌變區(qū)域，藍(lán)線區(qū)域以外為正常細(xì)胞或組織區(qū)域。將計(jì)算機(jī)自動檢測結(jié)果與病理學(xué)家標(biāo)注結(jié)果比較可以對計(jì)算機(jī)自動分析模型進(jìn)行評估。圖2-2病理切片部分區(qū)域及其標(biāo)注由于整張病理切片尺寸太大，在訓(xùn)練分類模型時(shí)，直接對WSI進(jìn)行分類往往是不切實(shí)際的，而將整個(gè)組織病理學(xué)圖像縮小到可處理的圖塊大小將丟失太多的細(xì)節(jié)信息，對于計(jì)算機(jī)或是病理學(xué)家均不可能準(zhǔn)確識別。所以，我們一般采取區(qū)塊采樣技術(shù)從WSI中提取較小尺寸的區(qū)塊圖像進(jìn)行分類模型的訓(xùn)練。由于在不同放大倍數(shù)下所呈現(xiàn)的圖像會存在差異，代表不同的組織信息，病理學(xué)家在對全切片進(jìn)行診斷時(shí)，往往會先在較低的放大倍數(shù)下進(jìn)行粗略分析，對可能存在問題的區(qū)域則會提高分辨率進(jìn)行詳細(xì)分析。為了提高后續(xù)對全切片的診斷效率，模擬病理學(xué)家人工診斷方式，可以先在較低倍鏡下大致定位癌變區(qū)域，對不確定的區(qū)域再次進(jìn)行較高倍鏡下的分析，在不損失精度的情況下可以大大提高檢測效率。本文將提取三個(gè)不同倍鏡的圖片進(jìn)行分析，固定使用10×的目鏡，在5×、20×、40×物鏡下分別提取區(qū)塊。其中，在5×倍鏡下提取128×128像素大小區(qū)塊，在20×和40×倍鏡下提取256×256像素大小區(qū)塊。根據(jù)病理學(xué)家的標(biāo)注信息，采取滑動窗口方式以256×256（或128×128）大小的矩形框在掃描圖中進(jìn)行切塊獲取樣本集，所得圖像分為正樣本（癌變區(qū)域）和負(fù)樣本（非癌

正負(fù)

【參考文獻(xiàn)】：
期刊論文
[1]數(shù)字乳腺斷層攝影技術(shù)在乳腺癌診斷中的臨床應(yīng)用及發(fā)展前景[J]. 魏瑤,蘆春花.  實(shí)用放射學(xué)雜志. 2018 (06)
[2]深度學(xué)習(xí)研究現(xiàn)狀分析[J]. 王菲斐.  電子技術(shù)與軟件工程. 2018(10)
[3]中國抗癌協(xié)會乳腺癌診治指南與規(guī)范（2017年版）[J]. 中國抗癌協(xié)會乳腺癌專業(yè)委員會.  中國癌癥雜志. 2017(09)
[4]中國數(shù)字病理發(fā)展展望[J]. 包驥,步宏.  實(shí)用醫(yī)院臨床雜志. 2017(05)
[5]數(shù)字病理中計(jì)算機(jī)輔助診斷研究展望[J]. 鄧楊,包驥.  實(shí)用醫(yī)院臨床雜志. 2017(05)
[6]擁抱數(shù)字病理時(shí)代[J]. 鄭眾喜.  實(shí)用醫(yī)院臨床雜志. 2017(05)
[7]病理技術(shù)HE染色在病理診斷中價(jià)值的分析[J]. 王娟玲.  臨床醫(yī)藥文獻(xiàn)電子雜志. 2017(37)
[8]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[9]基于閾值分割技術(shù)的圖像分割法研究[J]. 吳掬鷗,袁曉桂.  現(xiàn)代電子技術(shù). 2016(16)
[10]深度學(xué)習(xí)研究進(jìn)展[J]. 郭麗麗,丁世飛.  計(jì)算機(jī)科學(xué). 2015(05)

碩士論文
[1]基于深度核哈希的乳腺X線圖像腫塊檢測方法[D]. 呂鑫.西安電子科技大學(xué) 2017



本文編號：3267665