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！

摘要：本发明公开了一种人工智能血管刺激性试验病理学评估的方法及系统，涉及药物临床技术领域，包括识别和区分病理图像中的组织结构与病变区域；将识别到的血管区域进一步细分为血管壁区域和血管腔区域；识别血管壁中的血管内皮细胞；依据区域分割结果和细胞核识别结果，计算具体的量化指标，以评价受刺激区域的组织病理学变化。该人工智能血管刺激性试验病理学评估的方法及系统，研发了全自动的智能血管刺激性试验病理学评价技术，可以显著提高分析的速度，分析的结果一致性高，不存在观察这差异，且可以生成多个全量化的指标，更好的量化实验动物接触受试物后的组织学变化。

主权项：1.一种人工智能血管刺激性试验病理学评估的方法，其特征在于，包括以下步骤：S1、识别和区分病理图像中的组织结构与病变区域；组织结构与病变区域识别模块用于识别和区分病理图像中的组织结构与病变区域，其中，组织结构包括血管区域、肌肉区域与其他区域，病变区域包括出血区域和炎症区域；所述组织结构与病变区域识别模块实现方案为：建立深度神经网络1，用于分割皮肤组织，分割得到的区域包括出血区域、炎症区域、血管区域、肌肉区域和其他区域；所述深度神经网络1的分割模型基于病理医生对不同组织结构区域的勾画结果，采用UperNet网络结构进行训练，具体训练过程如下：使用Resnet50结构的卷积神经网络作为UperNet模型的编码器，并加载ImageNet预训练的权重；全片数字病理图像被分成512*512小图块输入到编码器，以获得多尺度的特征图；然后解码器根据这些特征图生成分割图，并通过最小化不同损失函数完成模型的训练；所述深度神经网络1的训练基于1um像素的分辨率进行，该分辨率既可兼顾识别炎症区域所需的细胞级信息，也可兼顾识别完整血管结果和肌肉区域所需的较大视野；S2、将识别到的血管区域进一步细分为血管壁区域和血管腔区域；血管区域精细识别模块用于将识别到的血管区域进一步细分为血管壁区域和血管腔区域；所述血管区域精细识别模块实现方案为：建立深度神经网络2，用于血管壁和血管腔区域的识别；所述深度神经网络2的分割模型基于病理医生对不同组织结构区域的勾画结果，同样采用UperNet网络结构，具体训练方法如下：使用Resnet50结构的卷积神经网络作为UperNet模型的编码器，并加载ImageNet预训练的权重；全片数字病理图像被分成512*512小图块输入到编码器，以获得多尺度的特征图；然后解码器根据这些特征图生成分割图，并通过最小化不同损失函数完成模型的训练，所述深度神经网络2的训练基于0.5um像素的分辨率进行；S3、识别血管壁中的血管内皮细胞；细胞核识别模块用于识别血管壁中的血管内皮细胞；所述细胞核识别模块实现方案为：建立深度神经网络3，在血管壁与血管腔交界的预设区域范围内进行所有细胞核的分割，并依据细胞核的形态识别其中的血管内皮细胞；所述深度神经网络3的分割模型基于病理医生对细胞核的勾画结果，采用StarDist模型进行训练，训练的编码器基于U-Net网络结构，在训练中基于医生标注的细胞核轮廓进行距离变换的计算以生成距离变换图，其编码了每个像素到最近细胞核边界的距离；网络学习预测分割结果以及该距离变换图；距离变换损失根据预测的距离图与实际的距离图的差异来对网络进行惩罚，最终输出概率图和距离变换图，进一步处理以获得最终的分割结果；对预测得到的概率图和距离图进行阈值分割后，获得每一个细胞核的轮廓；基于血管内皮细胞主要位于血管内壁，依照血管壁和管腔的精细分割结果，在血管壁和血管腔交界处设定50微米宽的区域，仅在该区域内进行细胞核的分割；通过测量分割得到的每一个细胞核的长径和短径的比值，若比值大于2，则该细胞核被判定为血管内皮细胞；S4、依据区域分割结果和细胞核识别结果，计算具体的量化指标，以评价受刺激区域的组织病理学变化；病变特征计算模块依据得到的区域分割结果和细胞核识别结果，计算具体的量化指标，包括出血相关指标、炎症相关指标、血管狭窄相关指标、血管内皮细胞相关指标；所述病变特征计算模块可选择单独使用任一获取的测量指标，评价受刺激区域的组织病理学变化；也可选择基于一组训练样本，通过一系列测量值和医生人工评分的结果进行建模，将一系列的测量值合成单个的测量指标，评价受刺激区域的组织病理学的变化。

全文数据：

权利要求：

百度查询： 安领生物医药(苏州)有限公司 苏州图腾生物科技有限公司 一种人工智能血管刺激性试验病理学评估的方法及系统