[發明專利]一種甲狀腺腫瘤細胞學涂片圖像分類方法及其裝置

有效

• 申請號: 201810318242.3
• 申請日: 2018-04-10
• 公開（公告）號: CN108564123B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 向俊;盧宏濤;官青;王蘊珺;平波;萬曉春;李端樹;杜佳俊;秦宇
• 申請（專利權）人: 復旦大學附屬腫瘤醫院;上海交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海容慧專利代理事務所(普通合伙) 31287
• 代理人: 于曉菁

本發明公開了一種甲狀腺腫瘤細胞學涂片圖像分類方法及其裝置，所述方法包括：獲取若干一定尺寸的經良惡性標注的甲狀腺腫瘤細胞學涂片圖像；用獲取的圖像組成訓練集，并對訓練集進行數據擴增；生成初步卷積神經網絡；用擴增后的訓練集訓練初步卷積神經網絡，優化其參數，使其可判斷甲狀腺腫瘤細胞學涂片圖像中細胞的良惡性，從而形成成熟卷積神經網絡；獲取待分類的甲狀腺腫瘤細胞學涂片圖像，用成熟卷積神經網絡對該圖像中的細胞進行良惡性判斷：圖像中所有細胞均判斷為良性則輸出良性結果，圖像中有至少一個細胞為惡性則輸出惡性結果。所述方法及裝置用于輔助醫生對甲狀腺腫瘤進行診斷，提高診斷的準確率。

技術領域

本發明涉及圖像識別領域，特別涉及一種基于深度學習的甲狀腺腫瘤細針穿刺細胞學涂片圖像分類方法及其裝置。

背景技術

甲狀腺癌是內分泌系統最常見的惡性腫瘤。甲狀腺結節是指在甲狀腺內的腫瘤，鑒于甲狀腺結節的高發病率，而甲狀腺惡性腫瘤僅占其中極小部分，如能首先通過非手術方式識別出盡可能多的甲狀腺惡性腫瘤，則可大幅度減少不必要的診斷性手術數量，既可減少手術給病人帶來的損傷，又可更合理地應用有限的醫療資源。甲狀腺腫瘤細針穿刺細胞學涂片是目前評價甲狀腺結節的最為準確且性價比高的術前檢查方法。然而，由于相關細胞病理專業人員缺乏和診斷經驗欠缺，很多醫院并不能對甲狀腺細胞學涂片做出準確的良惡性分析。因此，利用深度學習技術對甲狀腺細胞學涂片進行處理和研究，能為醫生提供有用的參考信息，輔助醫生及時地對甲狀腺結節患者做出準確的診斷。

近年來，深度學習，特別是卷積神經網絡在圖像識別領域產生了巨大的突破。經過用海量的圖片進行訓練后，卷積神經網絡在圖片分類任務上的準確率超過了人類。醫院擁有大量的甲狀腺細胞學涂片圖片，擁有大量的專業醫師對其良惡性進行準確的標注，對甲狀腺細胞學涂片采用深度學習方法進行甲狀腺癌診斷可以取得很好的效果。

發明內容

本發明的目的是提出一種基于深度學習的甲狀腺腫瘤細針穿刺細胞學涂片圖像分類方法，用于輔助醫生對甲狀腺腫瘤進行診斷，提高診斷的準確率。

為實現上述目的，本發明首先提供了一種甲狀腺腫瘤細胞學涂片圖像分類方法，該方法是利用經訓練成熟的卷積神經網絡來對甲狀腺腫瘤細胞學涂片圖像進行良惡性分類的，包括：

獲取若干一定尺寸的經良惡性標注的甲狀腺腫瘤細胞學涂片圖像；

用獲取的圖像組成訓練集，并對訓練集進行數據擴增；

生成初步卷積神經網絡；

用擴增后的訓練集訓練初步卷積神經網絡，優化其參數，使其可判斷甲狀腺腫瘤細胞學涂片圖像中細胞的良惡性，從而形成成熟卷積神經網絡；

獲取待分類的甲狀腺腫瘤細胞學涂片圖像，用成熟卷積神經網絡對該圖像中的細胞進行良惡性判斷：圖像中所有細胞均判斷為良性則輸出良性結果，圖像中有至少一個細胞為惡性則輸出惡性結果。

進一步，獲取若干一定尺寸的經良惡性標注的甲狀腺腫瘤細胞學涂片圖像中，所述一定尺寸的經良惡性標注的甲狀腺腫瘤細胞學涂片圖像是按下述方法獲得的：從甲狀腺腫瘤細胞學涂片的顯微照片中有辨別力的區域中截取若干一定尺寸的圖像，并由人工進行良惡性標注。截取的區域中的細胞對于甲狀腺腫瘤良惡性具有很強的辨別力，能使系統對腫瘤的良惡性做出準確地判斷。優選地，所述一定尺寸為224×224像素或299×299像素。

本發明所述“良惡性標注”既可以指將整幅圖像標注為良性或惡性，也可以指將圖像中勾畫出的區域標注為良性或惡性。

優選地，所述甲狀腺腫瘤細胞學涂片為甲狀腺腫瘤穿刺細胞學涂片。