Ki67指数自动分析方法与流程

本发明涉及数据的统计方法，尤其涉及一种Ki67指数自动分析方法。

背景技术：

神经内分泌肿瘤的诊断中涉及到有丝分裂指数的考察，而Ki67指数可以在一定程度上反映组织中的有丝分裂状况，在WHO发布的Ki67指数评估中，医师需要考察组织中阳性表达最高的区域，通过计数500～2000个肿瘤细胞来评价组织的Ki67阳性情况。在实际过程中，医师在低倍镜下快速审查出切片中的热点区域，再通过对热点区域中10个高倍镜视野下的阴阳性细胞计数来评估Ki67指数。

目前对Ki67指数评估方面主要使用两种手段，分别是：1)将热点区域输出为图片，打印出来医师在热点区域计数500～2000个肿瘤细胞从而获得Ki67细胞和阴性细胞，通过阳性细胞核数量百分比描述Ki67指数；2)医师通过显微镜直接计数热点区域10个高倍镜视野中阴阳性细胞核数量从而评价Ki67指数。

通过对上述两种方法的比较，上述第一种方式耗时费力但结果能够最真实的反应Ki67指数；第二种方式最常用但结果重现性较差，不同医师可能给出不一致的结果且需要医师积累相关的临床经验。

而且目前并没有一种通过计算机自动分析选定的热点区域内的阴阳性细胞核数量，从而得出阳性细胞核数量百分比，完成对切片的评价的方法。

技术实现要素：

本发明目的是提供一种Ki67指数自动分析方法，其通过计算机自动批量分析Ki67的数字图像，稳定高效的获得Ki67指数，并在数字图像中通过不同颜 色标记阴性和阳性细胞核，帮助医学工作者更准确的分析组织病理相关特征。

本发明解决技术问题采用如下技术方案：一种Ki67指数自动分析方法，其包括以下步骤：

S10、将原始放大倍数为40倍的数字图像缩小到5倍；

S20、以0.2mm²区域为取样区域选取Ki67指数最高的10个区域，以2mm²区域为取样区域选取Ki67指数最高的1个区域；

S30、对所选择的10个0.2mm²区域和1个2mm²区域在原始放大倍数下标识Ki67阳性表达的细胞和阴性表达的细胞，并对Ki67阳性表达的细胞和阴性表达的细胞进行计数；

S40、得到对应区域的Ki67阳性表达的细胞数百分比及对应的面积百分比。

可选的，所述步骤S20包括：

S201、按照一定像素数量为边长将数字图像分割为若干个小方块，并使得所述小方块的面为即0.2mm²；按照一定像素数量为边长将数字图像分割为若干个小方块，并使得所述小方块的面为即2mm²；

S202、以每一个小方块的每一个顶点为圆心，计算一定半径范围内的阳性区域在该圆形区域内所占的面积比；

S203、比较整个切片所有小方块的每个顶点所代表的圆形区域的阳性区域面积百分比，从0.2mm²的区域中选出10个阳性区域面积百分比最高的作为热点区域，以及从2mm²的区域中选出1个阳性区域面积百分比最高的作为热点区域。

可选的，所述步骤S30具体为：

S301、对选定的热点区域的边缘进行边缘增强和优化；

S302、通过分水岭算法对步骤S301处理后的数字图像进行分割，得到所有细胞核；

S303、根据Ki67阳性表达的细胞和阴性表达的细胞光谱信息差异，将阴阳性细胞以不同颜色区分开，实现对Ki67阳性表达的细胞和阴性表达的细胞的标识，并对Ki67阳性表达的细胞和阴性表达的细胞进行计数。

本发明具有如下有益效果：本发明的Ki67指数自动分析方法具有较好的重现性，通过计算机自动批量分析Ki67的数字图像，稳定高效的获得Ki67指数 并在数字图像中通过不同颜色标记阴性和阳性细胞核，通过算法快速识别热点区域和对热点区域中的阴阳性细胞核计数，帮助医学工作者更准确的分析组织病理相关特征。

附图说明

图1为本发明的原始放大倍数为40倍的数字图像(像素：27053×19259；分辨率：0.23μm/pixel)；

图2为本发明的放大倍数为5倍的数字图像(像素：3382×2408)；

图3为本发明通过0.2mm²的区域分割之后的数字图像；

图4为本发明通过2mm²的区域分割之后的数字图像；

图5(a)为本发明的原始图像；图5(b)右侧为热点区域筛选之后的结果图像(黄色标识的部分为阳性细胞范围)；

图6为本发明的热点区域选择结果示意图(0.2mm²的区域)；

图7为本发明的热点区域选择结果示意图(2mm²的区域)。

图8(a)为热点区域选择之后的原始图像；图8(b)为均值滤波之后的图像；

具体实施方式

下面结合实施例及附图对本发明的技术方案作进一步阐述。

实施例1

本实施例提供了一种Ki67指数自动分析方法，其通过识别数字图像中的热点区域来实现计算机Ki67指数的自动化分析，帮助医师更好的对Ki67阳性程度进行评价；并包括下述步骤：

S10、图像预处理。

本实施例中，对于Ki67指数的分析，首先需要实现全数字图像中热点区域的识别；为此，需要对数字图像进行预处理，但是，当数字图像的放大倍数为40时，由于其数据量较大，导致在热点区域筛选时耗时较多，因此，需要将原 始放大倍数为40倍的数字图像进行等比例缩小至合适的放大倍数，然后再进行热点区域筛选，本实施例中，通过大量的测试表明，将原始放大倍数为40倍的数字图像缩小到5倍时是合适的，即本实施例中，所述图像预处理步骤具体为：将原始放大倍数为40倍的数字图像缩小到5倍。

S20、热点区域筛选。

在对所述数字图像进行预处理之后，需要对数字图像中的热点区域进行筛选，但是，由于切片中Ki67指数最高的区域可能满足10个高倍镜视野(约2mm²)，也可能不够2mm²，需要额外进行选取，因此，本实施例中，可以以0.2mm²区域为取样区域选取Ki67指数最高的10个区域，以2mm²区域为取样区域选取Ki67指数最高的1个区域。

本实施例中，所述热点区域筛选的具体步骤为：

S201、按照一定像素数量为边长将数字图像分割为若干个小方块，并使得所述小方块的面为即0.2mm²；

S202、以每一个小方块的每一个顶点为圆心，计算一定半径范围内的阳性区域在该圆形区域(一定半径范围内的区域)内所占的面积比；

S203、比较整个切片所有小方块的每个顶点所代表的圆形区域的阳性区域面积百分比，从其中选出10个阳性区域面积百分比最高的作为热点区域。

同样地方式，也可以选择1个阳性区域面积百分比最高的作为2mm²的热点区域。

S30、细胞数计算。

在步骤S20执行之后，即开始对细胞数进行计算，所述细胞数包括Ki67阳性表达的细胞数和阴性表达的细胞数，本实施例中，可以对所选择的10个0.2mm²区域和1个2mm²区域在原始放大倍数(40倍)下标识Ki67阳性表达的细胞和阴性表达的细胞，并对Ki67阳性表达的细胞和阴性表达的细胞进行计数。

本实施例中，所述细胞数计算的具体步骤为：

S301、通过均值偏差滤波对选定的热点区域的边缘进行边缘增强和优化；

S302、通过分水岭算法对步骤S301处理后的数字图像进行分割，得到所有细胞核；即通过R通道(Layer 1)的均值筛选出阴阳性细胞进行标识，利用距 离地图对阴阳性细胞核进行形态调整。

S303、根据Ki67阳性表达的细胞和阴性表达的细胞光谱信息差异，将阴阳性细胞以不同颜色区分开，实现对Ki67阳性表达的细胞和阴性表达的细胞的标识，并对Ki67阳性表达的细胞和阴性表达的细胞进行计数。

更优选地，所述步骤S301具体包括：

S40、结果输出，其结果如表一和表二所示：

表一：10个0.2mm²细胞图像处理结果图

表二：2mm²细胞图像处理结果图

当完成步骤S30之后，即可以得到对应区域的Ki67阳性表达的细胞数百分比及对应的面积百分比。所述Ki67阳性细胞百分比可以通过Ki67阳性表达的细胞总数除以Ki67阳性表达的细胞总数与阴性表达的细胞总数之和；所述Ki67阳性表达的面积百分比可以通过Ki67阳性表达细胞的像素除以Ki67阳性表达的细胞的像素与阴性表达的细胞的像素之和。

本发明的Ki67指数自动分析方法具有较好的重现性，通过计算机自动批量分析Ki67的数字图像，稳定高效的获得Ki67指数并在数字图像中通过不同颜色标记阴性和阳性细胞核，通过算法快速识别热点区域和对热点区域中的阴阳性细胞核计数，帮助医学工作者更准确的分析组织病理相关特征。

以上实施例的先后顺序仅为便于描述，不代表实施例的优劣。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。