利索能及
我要发布
收藏
专利号: 2024107747832
申请人: 南通大学
专利类型:发明专利
专利状态:已下证
更新日期:2025-11-13
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.胃癌病理图像分析系统,其特征在于,所述系统包括:时空特征提取模块基于细胞形态和组织结构提取胃癌病理图像的空间特征,对病变区域内的时间序列数据进行分析,计算多个区域细胞形态的统计特征,比较细胞核特征与组织分界线的差异,得到空间特征时间序列,生成关键形态特征;

动态变化追踪模块基于所述关键形态特征,对组织结构中的动态变化进行追踪,计算细胞间质的变化规律,分析时间序列中病变区域的演化,获取病变进程的动态描述,得到偏移动态预测分析结果;

高维流形映射模块基于所述偏移动态预测分析结果,在高维流形空间中映射细胞形态和组织结构,追踪细胞核特征在差异化阶段的连续变化,得到胃癌病变的高维动态特征,生成增强偏移信号;

演化模式识别模块基于所述增强偏移信号,识别和分类胃癌病变的多个演化阶段,对病变区域的特征进行分析,得到细胞间质的局部特征与组织结构的全局特征的融合结果,生成细胞演化分析结果;

所述关键形态特征的获取步骤具体为:

基于细胞形态和组织结构,提取细胞形态特征,采用公式:计算细胞核尺寸、形状及密度特征,得到细胞核特征统计数据;

其中,Size是细胞核的尺寸特征,Shape是细胞核的形状特征,N代表细胞核数量,Ai代表第i个细胞核的面积,P代表细胞核的周长,A代表细胞核面积,λi代表面积衰减系数,γ是形状调整系数;

对所述细胞核特征统计数据进行分析,比较细胞核特征与组织分界线的差异,采用公式:生成细胞核与组织界限差异度;

其中,Xcell代表细胞核的特征值数组,Xboundary代表与组织界限关联特征值数组,σ代表特征值的标准差,α是差异度调整系数,Δ代表差异度;

根据所述细胞核与组织界限差异度,计算多个区域内的细胞形态统计特征,采用公式:得到空间特征时间序列;

其中,xk代表第k个区域的细胞核与组织界限的差异度,wk代表区域在整体分析中的相对重要性,δ是平滑参数,F(x)代表加权后的空间特征时间序列;

根据所述空间特征时间序列,计算形态特征,采用公式:得到关键形态特征;

其中,T代表时间序列的长度,ft代表在时间点t的空间特征值,β是时间衰减因子,Key Features代表关键形态特征。

2.根据权利要求1所述的胃癌病理图像分析系统,其特征在于,所述对组织结构中的动态变化进行追踪的方法具体为:基于所述关键形态特征,分析每个时间点的组织结构变化,采用公式:生成时间点t的组织结构变化评估;

其中,Ct为时间点t的组织结构变化评估,n为关键形态特征的数量,fi(t)为时间点t的第i个形态特征,λ为时间衰减系数,μi为第i个特征的权重系数;

对所述时间点t的组织结构变化评估,进行加权平均处理,采用公式:生成时间段内的平均组织结构变化;

其中,St为时间段内的平均组织结构变化,k为时间窗口长度,ωj为时间点j的加权因子;

分析所述时间段内的平均组织结构变化,采用公式:生成组织结构动态变化追踪结果;

其中,Tt为组织结构动态变化追踪结果,St‑1为时间点t‑1的平均组织结构变化。

3.根据权利要求1所述的胃癌病理图像分析系统,其特征在于,所述偏移动态预测分析结果的获取步骤具体为:从所述组织结构动态变化追踪结果出发,计算每个区域的细胞间质变化,采用公式:生成每个区域的细胞间质变化评估;

其中,Mk为每个区域的细胞间质变化评估,T表示总时间点数,St(k)表示区域k在时间t的组织结构变化,αt表示时间点t的权重,ωk为区域k的目标权重;

将所述每个区域的细胞间质变化评估整合,采用公式:计算病变区域的演化分析结果;

其中,Ek为病变区域的演化分析结果,K为总区域数,μ为区域评估的均值;

综合所述病变区域的演化分析结果,进行动态描述和预测,采用公式:生成偏移动态预测分析结果;

其中,P为偏移动态预测分析结果,βk为区域k的预测权重。

4.根据权利要求1所述的胃癌病理图像分析系统,其特征在于,所述增强偏移信号的获取步骤具体为:基于所述偏移动态预测分析结果,执行细胞形态和组织结构的高维流形映射,采用公式:生成高维映射数据;

其中,Ms是高维映射数据,n代表分析中的细胞数量,Fi代表细胞的形态特征,λ是衰减参数,di是细胞到高维流形中心的欧氏距离;

从所述高维映射数据中追踪细胞核特征在差异化阶段的连续变化,采用公式:生成连续变化追踪结果;

其中,Ct是连续变化追踪结果,m是时间序列的长度, 代表在时间点j的高维映射数据,ωj为时间点j的权重;

基于所述连续变化追踪结果,分析得到的胃癌病变的高维动态特征,采用公式:生成高维动态特征;

其中,Df为高维动态特征,m是参照的时间点数, 是时间点k的连续变化追踪结果,μ是追踪结果的均值;

综合所述高维动态特征,采用公式:

生成增强偏移信号;

其中,Se为增强偏移信号,q为总的动态特征数, 是特征p的高维动态特征值,βp为特征权重。

5.根据权利要求1所述的胃癌病理图像分析系统,其特征在于,所述细胞演化分析结果的获取步骤具体为:基于所述增强偏移信号,采用公式:

对胃癌病变的多个演化阶段进行识别,生成多演化阶段的识别数据;

其中,Sp是多演化阶段的识别数据,n为演化阶段数量,si为每个阶段的增强偏移信号,Sj为每个阶段信号的强度,∈是一个小的常数;

基于所述多演化阶段的识别数据,对病变区域的特征进行分析,结合局部与全局特征,采用公式:生成特征融合数据;

其中,Fl为特征融合数据,m为分析的区域数量,fk,local为局部细胞间质特征,fk,global为对应组织结构全局特征,σ是归一化常数;

综合多区域的所述特征融合数据,执行细胞演化的动态分析,采用公式:生成细胞演化分析结果;

其中,Ed为细胞演化分析结果,q为参照的特征融合区域数, 为区域p的特征融合数据,βp为区域p在分析中的权重。