一种跨谱系小蓝圆细胞肿瘤分类方法、电子设备、存储介质及程序产品

本公开属于肿瘤诊断，特别涉及一种跨谱系小蓝圆细胞肿瘤分类方法、电子设备、存储介质及程序产品。

背景技术：

1、小蓝圆细胞肿瘤(srbcts)是一类在常规苏木精-伊红(h&e)染色切片上看起来非常相似的肿瘤，但实际上来自不同的生物学谱系(间叶、神经外胚层、血液淋巴、上皮和黑色素细胞谱系)，需要不同的后续工作和治疗。现有研究主要集中在单一肿瘤家族或有限的肉瘤子集，未能解决初始组织病理学评估中遇到的跨谱系差异诊断问题。目前，这些肿瘤的诊断通常依赖于昂贵的免疫组化和分子检测，导致诊断成本高、时间长，且容易耗尽珍贵的组织样本。

技术实现思路

1、本公开的目的是提供一种基于基础模型的层次化深度学习框架，实现srbcts的跨谱系分类，解决现有技术中缺乏的跨谱系差异诊断问题，为病理医生提供快速、准确的初步分类，从而优化临床诊断流程，减少不必要的免疫组化和分子检测，保留珍贵组织样本。本公开用于病理学诊断领域，旨在解决"小蓝圆细胞肿瘤"(srbcts)的跨谱系分类问题，通过人工智能技术实现快速、准确的肿瘤谱系识别，为临床诊断提供辅助决策支持。

2、本公开的一个方面， 一种跨谱系小蓝圆细胞肿瘤分类方法，通过将苏木精-伊红染色全切片图像输入跨谱系小蓝圆细胞肿瘤分类模型，获得所述全切片图像的小蓝圆细胞肿瘤跨谱系分类，该模型的构建方法包括：

3、获取苏木精-伊红染色全切片图像样本，建立谱系类别与亚型类别的两级标签体系；

4、对所述全切片图像进行组织分割，提取组织区域并切分为图像块；

5、利用病理基础模型对所述图像块进行特征提取，得到图像块嵌入向量；

6、基于所述图像块嵌入向量构建切片表示生成网络，生成切片表示；

7、构建分类器，所述分类器根据所述切片表示进行谱系分类和亚型分类的联合预测；

8、采用粗细粒度联合监督策略训练所述分类模型。

9、进一步的，所述基于所述图像块嵌入向量构建切片表示生成网络并生成切片表示包括：

10、将所述图像块嵌入向量经线性投影和归一化后，通过注意力池化器生成初始切片标记；

11、将所述初始切片标记与图像块标记序列输入层级变换器，经多头自注意力处理输出切片表示。

12、所述采用粗细粒度联合监督策略训练包括：

13、以谱系交叉熵损失与亚型交叉熵损失之和作为总损失函数进行优化。

14、所述病理基础模型为virchow2。

15、所述模型的构建方法还包括：

16、构建热图生成模块，将图像块级注意力权重或贡献分数映射回切片坐标，生成注意力热图。

17、所述基于所述图像块嵌入向量构建切片表示生成网络包括：

18、将所述图像块嵌入向量按照全切片二维空间坐标进行分组池化，形成粗粒度区域表征；

19、将所述粗粒度区域表征输入轻量级多头自注意力模块，生成各粗粒度区域的可疑度分数。

20、所述生成切片表示还包括：

21、基于所述可疑度分数，采用可微分的top-k门控机制筛选出可疑度分数最高的粗粒度区域；

22、提取筛选出的粗粒度区域所覆盖范围内的图像块嵌入向量，构成局部图像块标记序列。

23、将其余未被筛选的粗粒度区域以低权重方式聚合为背景上下文向量。

24、对筛选出的粗粒度区域的可疑度分数进行加权聚合，经线性投影生成全局粗粒度上下文标记；

25、将所述局部图像块标记序列输入注意力池化器生成局部切片标记，并将所述全局粗粒度上下文标记与所述局部切片标记融合，形成融合切片标记。

26、将所述融合切片标记与所述局部图像块标记序列共同输入层级变换器，经多头自注意力处理输出切片表示；

27、其中，所述融合切片标记作为特殊序列标记，通过自注意力机制与局部图像块标记进行交互，引导注意力权重向诊断关键区域分配。

28、所述可微分的top-k门控机制采用gumbel-softmax松弛实现top-k选择的可微分近似。

29、本公开的一个方面，一种跨谱系小蓝圆细胞肿瘤分类系统，包括：

30、图像获取模块，用于获取苏木精-伊红染色全切片图像；

31、预处理模块，用于对所述全切片图像进行组织分割，提取组织区域并切分为图像块；

32、特征提取模块，用于利用病理基础模型对所述图像块进行特征提取，得到图像块嵌入向量；

33、切片表示生成模块，用于基于所述图像块嵌入向量生成切片表示；

34、分类模块，用于根据所述切片表示，对所述全切片图像进行谱系分类和亚型分类的联合预测。

35、本公开的一个方面，一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序以实现所述的跨谱系小蓝圆细胞肿瘤分类方法。

36、本公开的一个方面， 一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现所述的跨谱系小蓝圆细胞肿瘤分类方法。

37、本公开的一个方面， 一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行以实现所述的跨谱系小蓝圆细胞肿瘤分类方法。

1.一种跨谱系小蓝圆细胞肿瘤分类方法，其特征在于，通过将苏木精-伊红染色全切片图像输入跨谱系小蓝圆细胞肿瘤分类模型，获得所述全切片图像的小蓝圆细胞肿瘤跨谱系分类，该模型的构建方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述图像块嵌入向量构建切片表示生成网络并生成切片表示包括：

3.根据权利要求1或2所述的方法，其特征在于，所述采用粗细粒度联合监督策略训练包括：

4.根据权利要求2所述的方法，其特征在于，所述基于所述图像块嵌入向量构建切片表示生成网络包括：

5.根据权利要求4所述的方法，其特征在于，所述生成切片表示还包括：

6.根据权利要求5所述的方法，其特征在于，所述生成切片表示还包括：

7.根据权利要求6所述的方法，其特征在于，所述生成切片表示还包括：

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序以实现如权利要求1至7任一项所述的方法。

9.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，实现如权利要求1至7任一项所述的方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行以实现权利要求1至7任一项所述的方法。