肝细胞癌的数字化病理诊断关键技术

Digital pathological diagnosis technology made the doctor's qualitative or semi-quantitative pathology model into a quantitative model of pathological diagnosis based on image processing and recognition, it brought epoch-making reform for pathological diagnosis.The project will combine pathologic diagnosis of hepatocellular carcinoma, which is difficult to be early diagnosis, with the international emerging digital pathology technology, and investigate and develope the key technologies of digital pathology on hepatocellular carcinoma based on whole slide imaging (WSI),This project has important scientific and practical value. Focused on the challenges of digital pathology diagnosis of hepatocellular carcinoma, the project intends to make full use of the multi-disciplinary theory of computing anatomy, digital image processing, machine learning, pattern recognition, pathology, put forward a series of new methods, investigate the segmentation problem of cells and adhesion between cells, the computer representation problem of the growth state and the pimelosis level of liver cells, the quantification problem of HCC pathological characteristics and the selection problem of effective feature, the construction problem of HCC classification model with high generalization ability, and find the differences between normal cells and tumor cells to reveal the potential regularity of cancerization. and construct a high-performance key technologies of digital pathology diagnosis for hepatocellular carcinoma with independent intellectual property rights in our country, and improve the accuracy and efficiency of HCC pathological diagnosis, enrich and develop the theory and method of digital pathologic diagnosis.

数字化病理诊断技术将依赖医生的定性或半定量病理诊断模式转变为基于图像处理与识别的定量化病理诊断模式，为病理学诊断带来了划时代的变革。本项目将难以早期诊断的肝细胞癌病理诊断与国际前沿的数字化病理诊断技术相结合，基于肝组织的全视野数字切片（WSI），研究和开发肝细胞癌的数字化病理诊断关键技术，具有重要的科学价值和实用价值。 本项目针对肝细胞癌数字化病理诊断的各项难题，基于计算解剖学、数字图像处理、机器学习、模式识别、病理学等多学科理论，提出一系列新方法，重点研究细胞与黏连细胞的分割、肝细胞的生长状态与脂肪化程度的计算机表示、肝细胞癌病理特征定量化与有效特征选择、高泛化能力的肝细胞癌分类模型构建等关键问题，发现正常细胞和肿瘤细胞的差异，揭示潜在的癌变规律，形成我国具有自主知识产权的高性能肝细胞癌数字化病理诊断关键技术，提高我国肝细胞癌病理诊断的精度和效率，丰富和发展数字化病理诊断理论。

由于肝细胞癌起病隐匿且新增病例不断攀升，其早期诊断对降低死亡率至关重要。病理诊断是确诊癌症的“金标准”，病理医生阅片负担非常大。本项目基于肝组织的病理图像研究和开发肝细胞癌的数字化病理诊断关键技术，具有重要的科学价值和实用价值。.本项目重点研究病理清晰化方法、细胞与黏连细胞的分割、肝细胞癌病理特征定量化与有效特征选择、高泛化能力的肝细胞癌分类模型构建等关键问题，发现了正常细胞和肝癌细胞的差异，揭示了潜在的癌变规律。通过与医院病理科的密切合作，建立了正常、高分化癌、中分化癌、低分化癌的肝组织数字病理图像及诊断数据库。针对病理图像颜色差异等问题，利用引导图像滤波对病理图像进行分层压缩和叠加，增强病理图像；针对黏连细胞的分割难题，提出了一种利用结构卷积超限学习机对病理图像进行全局分割、再根据不同患者建立各自的细胞核形状模板描绘其黏连、重叠细胞丢失边界的解决方案，提高了分割精度；针对肝细胞癌病理特征定量化与有效特征选择问题，利用医学先验知识，定义了形状和边界相似性特征，以判别正常细胞和肝癌细胞，然后利用不同步长、尺度的均值滤波构建多个全连接层卷积神经网络模型来提取高分化癌、中分化癌、低分化癌细胞特征；针对肝细胞癌分类模型构建问题，提出了一种利用边界的凹凸性来优化分类器性能的方法，降低了假阳性率。根据上述算法，建立了肝细胞癌CAD系统模型，自主编程开发了肝细胞癌CAD的可视化软件，并对所提出算法进行了实验验证与分析。申请7项国家发明专利，其中已授权1项，已公示6项；申请6项软件著作权，全部授权；发表学术论文22篇，其中被SCI收录19篇，EI收录2篇；培养了15名硕士研究生。