本申請涉及醫(yī)學影像處理，尤其涉及病理分級方法、設備、存儲介質及計算機程序產品。

背景技術：

1、系統(tǒng)性紅斑狼瘡(systemic?lupus?erythematosus，sle)是一種多器官、多系統(tǒng)受累的自身免疫性疾病，狼瘡腎炎(lupus?nephritis，ln)是sle最嚴重的靶器官損害之一，在亞洲人群中高發(fā)，60％～80％的sle患兒均患有l(wèi)n。早期、確切的ln診斷與預后評估可以幫助醫(yī)生在確診后更好地為ln患兒提供個體化治療，并及早對高危患者進行重點關注和干預，提高生存率。

2、目前l(fā)n的診斷主要依賴于病理學檢查，即通過病理醫(yī)生人工閱讀腎穿活檢的病理圖像來對ln進行分級、分期和預后分析，但是由于不同醫(yī)生之間的診斷存在差異，人工目視閱片的一致性較低，且存在多分辨率圖像差異大以及常規(guī)的單模型、單分辨率方法預測性能不佳等問題，都會導致狼瘡腎炎的病理分級的準確性降低。

3、上述內容僅用于輔助理解本申請的技術方案，并不代表承認上述內容是現(xiàn)有技術。

技術實現(xiàn)思路

1、本申請的主要目的在于提供一種病理分級方法、設備、存儲介質及計算機程序產品，旨在提高狼瘡腎炎的病理分級準確性。

2、為實現(xiàn)上述目的，本申請?zhí)岢鲆环N病理分級方法，所述的方法包括：

3、獲取患者的腎穿活檢的光鏡圖像，并使用預設的腎小球識別模型檢測所述光鏡圖像，得到各腎小球的切片圖像；

4、根據(jù)所述切片圖像，確定所述光鏡圖像中各分型腎小球的占比結果；

5、根據(jù)所述占比結果和預設的病理分級規(guī)則，確定病理分級結果。

6、在一實施例中，在所述使用預設的腎小球識別模型檢測所述光鏡圖像的步驟之前，還包括：

7、對獲取到的標注訓練樣本進行數(shù)據(jù)增強，得到增強標注樣本；

8、使用預設的目標檢測模型對所述增強標注樣本進行學習，得到腎小球識別模型；

9、利用腎穿活檢標注數(shù)據(jù)，對所述腎小球識別模型進行微調。

10、在一實施例中，所述對獲取到的標注訓練樣本進行數(shù)據(jù)增強，得到增強標注樣本的步驟包括：

11、隨機裁剪所述標注訓練樣本，并將所述標注訓練樣本的各標簽對應遷移至各裁剪圖像中；

12、對各所述裁剪圖像進行顏色抖動操作；

13、對各所述裁剪圖像進行隨機水平翻轉；

14、隨機角度旋轉各所述裁剪圖像，得到增強標注樣本。

15、在一實施例中，在所述使用預設的腎小球識別模型檢測所述光鏡圖像的步驟之前，還包括：

16、根據(jù)歷史訓練數(shù)據(jù)中的腎小球識別的召回率，調整所述腎小球識別模型的置信度閾值，其中，所述置信度閾值與所述腎小球識別的召回率呈正相關關系。

17、在一實施例中，所述根據(jù)所述切片圖像，確定所述光鏡圖像中各分型腎小球的占比結果的步驟包括：

18、根據(jù)所述切片圖像和預設的腎小球分型模型，確定各所述腎小球的分型結果；

19、根據(jù)所述分型結果，確定所述占比結果。

20、在一實施例中，在所述根據(jù)所述切片圖像和預設的腎小球分型模型，確定各所述腎小球的分型結果的步驟之前，還包括：

21、利用獲取到的腎穿活檢無標注數(shù)據(jù)，訓練掩碼自編碼器mae，其中，所述mae包括基于視覺轉換器vit構建的第二編碼器和第二解碼器；

22、將訓練后的mae的第二編碼器的參數(shù)確定為所述腎小球分型模型的第一編碼器的初始參數(shù)，其中，所述腎小球分型模型基于所述第一編碼器的初始參數(shù)進行訓練。

23、在一實施例中，在所述訓練掩碼自編碼器mae的步驟之前，還包括：

24、構建數(shù)據(jù)高效的圖像轉化器deit架構，其中所述deit架構包括教師模型和學生模型，所述教師模型通過對yolo分類模型訓練得到，所述學生模型基于vit構建；

25、通過所述教師模型，為所述學生模型提供軟標簽，以使所述學生模型學習各類腎小球的圖像表示；

26、將所述學生模型的參數(shù)確定為所述第二編碼器的初始參數(shù)，其中，所述mae基于所述第二編碼器的初始參數(shù)進行訓練。

27、此外，為實現(xiàn)上述目的，本申請還提出一種病理分級裝置，所述病理分級裝置包括：

28、腎小球識別模塊，用于獲取患者的腎穿活檢的光鏡圖像，并使用預設的腎小球識別模型檢測所述光鏡圖像，得到各腎小球的切片圖像；

29、占比確定模塊，用于根據(jù)所述切片圖像，確定所述光鏡圖像中各分型腎小球的占比結果；

30、病理分級模塊，用于根據(jù)所述占比結果和預設的病理分級規(guī)則，確定病理分級結果。

31、此外，為實現(xiàn)上述目的，本申請還提出一種病理分級設備，所述設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序配置為實現(xiàn)如上文所述的病理分級方法的步驟。

32、此外，為實現(xiàn)上述目的，本申請還提出一種存儲介質，所述存儲介質為計算機可讀存儲介質，所述存儲介質上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上文所述的病理分級方法的步驟。

33、此外，為實現(xiàn)上述目的，本申請還提供一種計算機程序產品，所述計算機程序產品包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上文所述的病理分級方法的步驟。

34、本申請?zhí)岢龅囊粋€或多個技術方案，至少具有以下技術效果：獲取患者的腎穿活檢的光鏡圖像，并使用預設的腎小球識別模型檢測光鏡圖像，得到各腎小球的切片圖像，自動化地從復雜的光鏡圖像中準確分理出腎小球的切片圖像，有效避免了人工篩選的主觀性和遺漏，提升了圖像處理的效率和準確性；然后，根據(jù)切片圖像，確定光鏡圖像中各分型腎小球的占比結果，確保了占比結果的客觀性，為后續(xù)病理分級提供了可靠的數(shù)據(jù)支持；最后，根據(jù)占比結果和預設的病理分級規(guī)則，確定病理分級結果，使得病理分級過程更加客觀和標準化，減少了主觀判斷的影響。本申請通過對腎小球的自動識別與分型，提升了占比結果的客觀性和準確性，進而提升了病理分級的準確性。

技術特征：

1.一種病理分級方法，其特征在于，所述病理分級方法包括：

2.如權利要求1所述的病理分級方法，其特征在于，在所述使用預設的腎小球識別模型檢測所述光鏡圖像的步驟之前，還包括：

3.如權利要求2所述的病理分級方法，其特征在于，所述對獲取到的標注訓練樣本進行數(shù)據(jù)增強，得到增強標注樣本的步驟包括：

4.如權利要求1所述的病理分級方法，其特征在于，在所述使用預設的腎小球識別模型檢測所述光鏡圖像的步驟之前，還包括：

5.如權利要求1所述的病理分級方法，其特征在于，所述根據(jù)所述切片圖像，確定所述光鏡圖像中各分型腎小球的占比結果的步驟包括：

6.如權利要求5所述的病理分級方法，其特征在于，在所述根據(jù)所述切片圖像和預設的腎小球分型模型，確定各所述腎小球的分型結果的步驟之前，還包括：

7.如權利要求6所述的病理分級方法，其特征在于，在所述訓練掩碼自編碼器mae的步驟之前，還包括：

8.一種病理分級設備，其特征在于，所述設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序配置為實現(xiàn)如權利要求1至7中任一項所述的病理分級方法的步驟。

9.一種存儲介質，其特征在于，所述存儲介質為計算機可讀存儲介質，所述存儲介質上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至7中任一項所述的病理分級方法的步驟。

10.一種計算機程序產品，其特征在于，所述計算機程序產品包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至7中任一項所述的病理分級方法的步驟。

技術總結
本申請公開了一種病理分級方法、設備、存儲介質及計算機程序產品，涉及醫(yī)學影像處理技術領域，該病理分級方法包括：獲取腎穿活檢的光鏡圖像，并使用預設的腎小球識別模型檢測光鏡圖像，得到各腎小球的切片圖像；根據(jù)切片圖像，確定光鏡圖像中各分型腎小球的占比結果；根據(jù)占比結果和預設的病理分級規(guī)則，確定病理分級結果。本申請通過對活檢圖像中腎小球進行自動識別與分型，并根據(jù)臨床病理分級標準進行自動分級，減少了臨床醫(yī)生在病理分級中的工作負荷，并提高了病理分級的準確性和效率。

技術研發(fā)人員：黃玥文,盧宇彤,鄭馥丹
受保護的技術使用者：中山大學
技術研發(fā)日：
技術公布日：2025/4/28