本發(fā)明涉及智能檢測(cè)，尤其涉及一種膀胱癌預(yù)后的預(yù)測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、膀胱癌是最常見(jiàn)的尿路上皮惡性腫瘤。根據(jù)病理診斷，膀胱癌可分為非肌層浸潤(rùn)性膀胱癌（non-muscle-invasive?bladder?cancer，nmibc）和肌層浸潤(rùn)性膀胱癌（muscle-invasive?bladder?cancer，mibc），大部分膀胱癌在初診時(shí)就已出現(xiàn)肌肉侵入或轉(zhuǎn)移，并且具有更差的預(yù)后。

2、腫瘤淋巴結(jié)轉(zhuǎn)移(tumor?node?metastasis，tnm)分期系統(tǒng)在mibc的風(fēng)險(xiǎn)分層和管理中起著關(guān)鍵作用，但由于腫瘤的異質(zhì)性，處于同一tnm分期的患者預(yù)后可能存在顯著差異。研究表明，腫瘤壞死與腎細(xì)胞癌、肝細(xì)胞癌、胰腺癌、乳腺癌、結(jié)直腸癌、骨肉瘤等多種實(shí)體瘤的不良預(yù)后有關(guān)。因此，腫瘤壞死有望成為mibc的補(bǔ)充預(yù)后生物標(biāo)志物。

3、壞死（necrosis）是以酶溶性變化為特點(diǎn)的活體內(nèi)局部組織細(xì)胞的死亡。壞死可因致病因素較強(qiáng)而直接導(dǎo)致，但大多數(shù)由可逆性損傷發(fā)展而來(lái)，其基本表現(xiàn)是細(xì)胞腫脹、細(xì)胞器崩解和蛋白質(zhì)變性，壞死常同時(shí)累及多個(gè)細(xì)胞。

4、通常認(rèn)為腫瘤治療之后，腫瘤細(xì)胞發(fā)生了壞死，或者腫瘤的實(shí)性成分明顯減少。在全身抗腫瘤治療過(guò)程中，腫瘤出現(xiàn)缺血、壞死，形成的改變，這與較好預(yù)后密切相關(guān)。若在腫瘤治療前發(fā)現(xiàn)腫瘤內(nèi)部存在壞死，則認(rèn)為在腫瘤持續(xù)增長(zhǎng)的過(guò)程中，由于腫瘤內(nèi)部血供應(yīng)缺乏，引起腫瘤中心局部缺血、缺氧性的腫瘤細(xì)胞壞死，考慮腫瘤相對(duì)比較大，而且可能治療時(shí)腫瘤負(fù)荷相對(duì)比較重，治療難度會(huì)增加。

5、探明癌癥患者治療前后腫瘤內(nèi)壞死區(qū)域的存在、大小、空間位置等指標(biāo)可以為醫(yī)務(wù)人員對(duì)患者治療以及預(yù)后情況做出判斷提供依據(jù)，進(jìn)而為患者提供更為合理精準(zhǔn)的治療方案，同時(shí)也為臨床醫(yī)生進(jìn)行抗癌治療提供更多新思路與數(shù)據(jù)支撐。

6、目前，現(xiàn)有技術(shù)對(duì)瘤內(nèi)壞死區(qū)域進(jìn)行識(shí)別與觀察的方式主要為he染色后顯微鏡下識(shí)別，但這些指標(biāo)都需要專(zhuān)業(yè)的病理醫(yī)生對(duì)壞死區(qū)域進(jìn)行組織學(xué)測(cè)量、分析才能獲得，該過(guò)程是一個(gè)重復(fù)、耗時(shí)長(zhǎng)、專(zhuān)業(yè)性強(qiáng)、且難以量化的過(guò)程。

7、因此，亟需開(kāi)發(fā)一種方案解決上述問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種膀胱癌預(yù)后的預(yù)測(cè)方法及系統(tǒng)，通過(guò)利用卷積神經(jīng)網(wǎng)絡(luò)高效、簡(jiǎn)潔、正確、成本低廉的優(yōu)勢(shì)，訓(xùn)練一個(gè)針對(duì)膀胱癌壞死區(qū)域識(shí)別、空間分布指標(biāo)計(jì)算的模型為精準(zhǔn)醫(yī)學(xué)的發(fā)展提供堅(jiān)實(shí)的科學(xué)基礎(chǔ)和技術(shù)支持。

2、本發(fā)明提供的一種膀胱癌預(yù)后的預(yù)測(cè)方法及系統(tǒng)，采用如下的技術(shù)方案：

3、第一方面，一種膀胱癌預(yù)后的預(yù)測(cè)方法，具體包括：

4、獲取并預(yù)處理膀胱癌染色病理圖像得到有效色塊，基于所述有效色塊進(jìn)行標(biāo)注并劃分，得到腫瘤訓(xùn)練集和壞死訓(xùn)練集；

5、構(gòu)建兩個(gè)初始模型，基于腫瘤訓(xùn)練集和壞死訓(xùn)練集分別訓(xùn)練兩個(gè)初始模型，對(duì)應(yīng)獲得識(shí)別腫瘤實(shí)質(zhì)區(qū)域的腫瘤模型和識(shí)別壞死區(qū)域的壞死模型；

6、獲取待預(yù)測(cè)的膀胱癌病理圖像，基于腫瘤模型和壞死模型分別對(duì)所述膀胱癌病理圖像進(jìn)行膀胱癌腫瘤實(shí)質(zhì)和壞死區(qū)域識(shí)別，對(duì)應(yīng)得到腫瘤區(qū)域和壞死區(qū)域，基于所述腫瘤區(qū)域和壞死區(qū)域的空間坐標(biāo)信息，數(shù)值計(jì)算得到壞死區(qū)域相對(duì)于腫瘤區(qū)域的空間分布指標(biāo)；

7、基于所述空間分布指標(biāo)進(jìn)行生存分析得到膀胱癌患者的生存預(yù)后信息。

8、本發(fā)明提供的一種膀胱癌預(yù)后的預(yù)測(cè)方法的有益效果在于：本發(fā)明能夠自動(dòng)識(shí)別膀胱癌wsi（whole?slide?imaging，全玻片掃描成像）中的腫瘤實(shí)質(zhì)和壞死區(qū)域，并量化壞死區(qū)域在腫瘤不同區(qū)域的面積占比，從而輔助臨床醫(yī)生對(duì)患者生存預(yù)后進(jìn)行評(píng)價(jià)，為數(shù)字化、個(gè)體化診療決策提供參考依據(jù)。

9、可選地，基于所述有效色塊進(jìn)行標(biāo)注并劃分，得到腫瘤訓(xùn)練集和壞死訓(xùn)練集，包括：

10、將有效色塊進(jìn)行標(biāo)注并劃分為腫瘤色塊、非腫瘤色塊和壞死色塊、非壞死色塊；

11、基于腫瘤色塊、非腫瘤色塊劃分得到腫瘤區(qū)域與非腫瘤區(qū)域的訓(xùn)練集和測(cè)試集；

12、基于壞死色塊、非壞死色塊劃分得到壞死區(qū)域與非壞死區(qū)域的訓(xùn)練集和測(cè)試集。

13、可選地，構(gòu)建兩個(gè)初始模型，所述初始模型基于殘差網(wǎng)絡(luò)架構(gòu)進(jìn)行構(gòu)建，由多個(gè)殘差塊堆疊組成，每個(gè)殘差塊內(nèi)部包含卷積層、激活函數(shù)和跨層連接，卷積層用于提取圖像特征，激活函數(shù)用于引入非線性，跨層連接用于將輸入直接連接到殘差塊的輸出。

14、可選地，基于腫瘤訓(xùn)練集和壞死訓(xùn)練集分別訓(xùn)練兩個(gè)初始模型，對(duì)應(yīng)獲得識(shí)別腫瘤實(shí)質(zhì)區(qū)域的腫瘤模型和識(shí)別壞死區(qū)域的壞死模型，包括：

15、初始化兩個(gè)初始模型的網(wǎng)絡(luò)權(quán)重，分別輸入腫瘤訓(xùn)練集和壞死訓(xùn)練集，經(jīng)過(guò)多個(gè)殘差塊進(jìn)行向前傳播；

16、基于損失函數(shù)計(jì)算初始模型的輸出與真實(shí)標(biāo)簽之間的損失，基于梯度下降法最小化交叉熵?fù)p失函數(shù)，基于反向傳播迭代初始模型的網(wǎng)絡(luò)權(quán)重，直到所述損失趨于穩(wěn)定或達(dá)到最大迭代次數(shù)，結(jié)束訓(xùn)練；

17、經(jīng)過(guò)評(píng)估驗(yàn)證后得到腫瘤模型和壞死模型。

18、可選地，經(jīng)過(guò)評(píng)估驗(yàn)證后得到腫瘤模型和壞死模型，所述評(píng)估驗(yàn)證具體包括：

19、基于梯度加權(quán)類(lèi)激活映射進(jìn)行可視化腫瘤模型和壞死模型識(shí)別圖像的權(quán)重區(qū)域；

20、獲取已知的膀胱癌病理圖像切片作為遷移學(xué)習(xí)驗(yàn)證集，基于所述遷移學(xué)習(xí)驗(yàn)證集評(píng)估腫瘤模型和壞死模型在預(yù)測(cè)組織類(lèi)型的可行性，得到腫瘤模型和壞死模型。

21、可選地，基于腫瘤模型和壞死模型分別對(duì)所述膀胱癌病理圖像進(jìn)行膀胱癌腫瘤實(shí)質(zhì)和壞死區(qū)域識(shí)別，對(duì)應(yīng)得到腫瘤區(qū)域和壞死區(qū)域，包括：

22、基于腫瘤模型對(duì)所述膀胱癌病理圖像進(jìn)行膀胱癌腫瘤實(shí)質(zhì)識(shí)別，得到腫瘤區(qū)域；

23、基于壞死模型對(duì)所述膀胱癌病理圖像進(jìn)行膀胱癌腫瘤壞死識(shí)別，得到壞死區(qū)域；

24、基于腫瘤區(qū)域空間分布進(jìn)行分析評(píng)估腫瘤區(qū)域的邊緣，將腫瘤組織劃分為腫瘤內(nèi)部、邊界區(qū)域和外部區(qū)域。

25、可選地，基于所述腫瘤區(qū)域和壞死區(qū)域的空間坐標(biāo)信息，數(shù)值計(jì)算得到壞死區(qū)域相對(duì)于腫瘤區(qū)域的空間分布指標(biāo)，包括：

26、計(jì)算腫瘤區(qū)域中的腫瘤實(shí)質(zhì)組織、壞死組織和其他組織的分布比例，分別計(jì)算腫瘤組織、壞死組織在腫瘤內(nèi)部、邊界區(qū)域和外部區(qū)域中的面積占比；

27、基于上述計(jì)算結(jié)果構(gòu)建壞死區(qū)域相對(duì)于腫瘤區(qū)域的空間分布指標(biāo)；

28、其中，所述空間分布指標(biāo)包括：腫瘤實(shí)質(zhì)總占比率、腫瘤在腫瘤內(nèi)部占比率、腫瘤在邊界區(qū)域占比率、腫瘤在外部區(qū)域占比率、壞死組織總占比率、壞死組織在腫瘤內(nèi)部占比率、壞死組織在邊界區(qū)域占比率和壞死組織在外部區(qū)域占比率。

29、可選地，基于所述空間分布指標(biāo)進(jìn)行生存分析得到膀胱癌患者的生存預(yù)后信息，包括：

30、基于cox比例風(fēng)險(xiǎn)回歸模型對(duì)所述空間分布指標(biāo)結(jié)合膀胱癌患者的生存率進(jìn)行相關(guān)性分析，構(gòu)建以生存率為y軸，空間分布指標(biāo)為x軸的森林圖，得到膀胱癌患者的生存預(yù)后信息。

31、第二方面，一種膀胱癌預(yù)后的預(yù)測(cè)系統(tǒng)，具體包括：

32、數(shù)據(jù)收集模塊，用于獲取并預(yù)處理膀胱癌染色病理圖像得到有效色塊，基于所述有效色塊進(jìn)行標(biāo)注并劃分，得到腫瘤訓(xùn)練集和壞死訓(xùn)練集；

33、模型訓(xùn)練模塊，用于構(gòu)建兩個(gè)初始模型，基于腫瘤訓(xùn)練集和壞死訓(xùn)練集分別訓(xùn)練兩個(gè)初始模型，對(duì)應(yīng)得到識(shí)別腫瘤實(shí)質(zhì)區(qū)域的腫瘤模型和識(shí)別壞死區(qū)域的壞死模型；

34、指標(biāo)計(jì)算模塊，用于獲取待預(yù)測(cè)的膀胱癌病理圖像，基于腫瘤模型和壞死模型分別對(duì)所述膀胱癌病理圖像進(jìn)行膀胱癌腫瘤實(shí)質(zhì)和壞死區(qū)域識(shí)別，對(duì)應(yīng)得到腫瘤區(qū)域和壞死區(qū)域，基于所述腫瘤區(qū)域和壞死區(qū)域的空間坐標(biāo)信息，數(shù)值計(jì)算得到壞死區(qū)域相對(duì)于腫瘤區(qū)域的空間分布指標(biāo)；

35、生存分析模塊，基于所述空間分布指標(biāo)進(jìn)行生存分析得到膀胱癌患者的生存預(yù)后信息。

36、可選地，所述模型訓(xùn)練模塊中，構(gòu)建的兩個(gè)初始模型的網(wǎng)絡(luò)結(jié)構(gòu)包括：輸入層、卷積層、激活層、池化層和全連接層；

37、輸入層，用于接收膀胱癌病理圖像數(shù)據(jù)并傳輸?shù)骄矸e層；

38、卷積層，由多個(gè)卷積核組成，每個(gè)卷積核負(fù)責(zé)提取局部特征，提取膀胱癌病理圖像數(shù)據(jù)的特征，通過(guò)將卷積核在輸入數(shù)據(jù)上滑動(dòng)，計(jì)算卷積核與輸入數(shù)據(jù)的局部區(qū)域的點(diǎn)積，生成特征圖；

39、激活層，激活層緊接在卷積層之后，用于引入非線性計(jì)算，增強(qiáng)初始模型的表達(dá)能力，采用relu激活函數(shù)；

40、池化層，用于降低特征圖的空間維度，減少參數(shù)數(shù)量，提高初始模型的泛化能力，通過(guò)取局部區(qū)域內(nèi)的最大值，保留最重要的特征或計(jì)算局部區(qū)域內(nèi)的平均值，使得特征更加平滑；

41、全連接層，全連接層的神經(jīng)元與前一層的所有神經(jīng)元相連，通過(guò)權(quán)重和偏置進(jìn)行線性組合，使用softmax函數(shù)進(jìn)行多類(lèi)別分類(lèi)，輸出分類(lèi)結(jié)果；

42、其中，卷積層之間通過(guò)跳躍連接相連，將輸入直接添加到輸出上，形成殘差塊。

43、第二方面的有益效果可以參照第一方面的描述。