(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210488276.3 (22)申请日 2022.05.06 (71)申请人 清华大学 地址 100084 北京市海淀区清华园 (72)发明人 江瑞　丁锦瑞　杨鹏帅　张学工　 闾海荣　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 弋梅梅　臧建明 (51)Int.Cl. G06V 10/762(2022.01) G06V 10/25(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/764(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于组织病理图像的胶质瘤分级方法、 装 置、 设备及 介质 (57)摘要 本申请提供的一种基于组织病理图像的胶 质瘤分级方法、 装置、 设备及介质， 通过将获取到 的待检测的WSI图像输入到 预先训练得到的胶质 瘤分级模型中， 得到该待检测的WSI图像对应的 胶质瘤恶性级别， 然后保存该胶质瘤恶性级别， 以实现智能诊断， 辅助医生进行诊断， 增强了胶 质瘤诊断结果的客观性， 使得诊断准确性 提高。 权利要求书2页 说明书9页 附图8页 CN 115082718 A 2022.09.20 CN 115082718 A 1.一种基于组织病理图像的胶质瘤分级方法， 其特 征在于， 所述方法包括： 获取待检测的组织病理全扫描WSI图像； 将所述待检测的WSI图像输入到预先训练得到的胶质瘤分级模型中， 得到所述待检测 的WSI图像的胶质瘤恶性级别； 保存所述待检测的WSI图像的胶质瘤恶性级别。 2.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 获取训练数据， 所述训练数据包括WSI图像和级别标签， 所述级别标签用于表示胶质瘤 恶性级别； 通过所述训练数据对预设模型进行训练得到所述胶质瘤分级模型。 3.根据权利要求1或2所述的方法， 其特征在于， 所述将所述待检测的WSI图像输入到预 先训练得到的胶质瘤分级模型中， 得到所述待检测的WSI图像的胶质瘤恶性级别， 包括： 对所述待检测的WSI图像进行数据预处理， 得到不同放大倍数下的图像块， 所述图像块 为所述待检测的WSI图像的子图像； 将各个放大倍数下的图像块， 输入到特征提取网络中进行特征提取， 得到各个图像块 对应的特 征向量； 分别对各个图像块对应的特征向量进行聚类， 得到各个放大倍数下的特征向量的分 类， 并根据各个放大倍数下的特征向量的分类， 得到第一预设数量的感兴趣区域ROI子包， 所述ROI子包中包括第二预设数量的特征向量， 所述 ROI子包中包括不同放大倍数下的特征 向量； 通过多示例特征聚合算子将所述ROI子包内的特征向量进行聚合， 生成所述ROI子包的 特征表示； 将所述ROI子包 的特征表示通过MLP模块进行分类， 预测所述ROI子包的胶质瘤恶性级 别； 根据各个ROI子包的胶质瘤恶性级别， 确定所述待检测的WSI图像的胶质瘤恶性级别。 4.根据权利要求3所述的方法， 其特征在于， 所述对所述待检测的WSI图像进行数据预 处理， 得到不同放大倍数 下的图像块， 包括： 通过滑动窗口 的形式， 将所述待检测的WSI图像分为多个第一预设大小的图像块； 计算各个图像块的组织占比， 并根据所述组织占比确定目标图像块， 所述目标图像块 为组织占比大于预设阈值的图像块； 将所述目标图像块进行剪 裁， 得到第二预设大小的图像块和第三预设大小的图像块； 将所述第一预设大小的图像块、 所述第 二预设大小的图像块和所述第 三预设大小的图 像块缩放到固定大小， 得到不同放大倍数 下的图像块。 5.根据权利要求4所述的方法， 其特征在于， 所述通过多示例特征聚合算子将所述ROI 子包内的特 征向量进行聚合， 生成所述ROI子包的特 征表示， 包括： 将所述ROI子包的n个特征向量和一个初始化向量输入到所述多示例特征聚合算子中， 通过信息融合公式将所述n个特征向量和所述初始化向量之间进行信息融合， 得到所述初 始化向量对应的融合结果， 并根据所述融合结果生成新的特征向量， 将所述新的特征向量 作为所述ROI子包的特 征表示； 所述信息融合公式为：权　利　要　求　书 1/2 页 2 CN 115082718 A 2其中， Q是所述初始化向量经过第一线性变换后的向量， K和V是所述ROI子包中目标特 征向量经过第二线性变换和第三线性变换后的向量， U是一个超参数阈值， S是所述初始化 向量与所述目标特征 向量的相似度， QKT是注意力矩阵， 是一个实数， 用于把所述注意 力矩阵进行归一 化。 6.根据权利要求5所述的方法， 其特征在于， 所述根据所述ROI子包的胶质瘤恶性级别， 确定所述待检测的WSI图像对应的胶质瘤恶性级别， 包括： 通过投票机制， 将数量最多的胶质瘤恶性级别， 确定为所述待检测的WSI图像对应的胶 质瘤恶性级别。 7.一种基于组织病理图像的胶质瘤分级装置， 其特 征在于， 所述装置包括： 第一获取模块， 用于获取待检测的组织病理全扫描WSI图像； 检测模块， 用于将所述待检测的WSI图像输入到预先训练得到的胶质瘤 分级模型中， 得 到所述待检测的WSI图像的胶质瘤恶性级别； 保存模块， 用于保存所述待检测的WSI图像的胶质瘤恶性级别。 8.根据权利要求7 所述的装置， 其特 征在于， 所述装置还 包括： 第二获取模块， 用于获取训练数据， 所述训练数据包括WSI图像和级别标签， 所述级别 标签用于表示胶质瘤恶性级别； 训练模块， 用于通过 所述训练数据对预设模型进行训练得到所述胶质瘤分级模型。 9.一种电子设备， 其特 征在于， 包括： 处 理器， 以及与所述处 理器通信连接的存 储器； 所述存储器存储计算机执 行指令； 所述处理器执行所述存储器存储的计算机执行指令， 以实现如权利要求1 ‑6中任一项 所述的基于组织病理图像的胶质瘤分级方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 执行指令， 所述计算机执行指 令被处理器执行时用于实现如权利要求 1至6任一项 所述的基 于组织病理图像的胶质瘤分级方法。权　利　要　求　书 2/2 页 3 CN 115082718 A 3