[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)的食管癌病理圖像自動(dòng)甄別裝置及其甄別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811022872.2
• 申請(qǐng)日: 2018-09-03
• 公開（公告）號(hào): CN109086836A
• 公開（公告）日: 2018-12-25
• 發(fā)明（設(shè)計(jì)）人: 相林;李冠男;馬甲林
• 申請(qǐng)（專利權(quán)）人: 淮陰工學(xué)院
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 柏尚春

本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡(luò)的食管癌病理圖像自動(dòng)甄別裝置及其甄別方法，該裝置包括圖像采集模塊、圖像處理模塊、數(shù)據(jù)存儲(chǔ)模塊、遷移學(xué)習(xí)模塊、網(wǎng)絡(luò)訓(xùn)練模塊和甄別模塊。本發(fā)明所述的甄別方法包括以下步驟：1、圖像采集模塊采集病理圖像，構(gòu)建食管癌病理切片圖像庫；2、通過圖像處理模塊對(duì)各病理圖像庫進(jìn)行擴(kuò)充；3、利用擴(kuò)充后的預(yù)訓(xùn)練網(wǎng)絡(luò)病理圖像數(shù)據(jù)集完成遷移學(xué)習(xí)；4、在習(xí)得的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)上，用擴(kuò)充后的食管癌病理圖像數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò)并微調(diào)權(quán)值，得到判別的網(wǎng)絡(luò)模型，用甄別模塊實(shí)現(xiàn)智能化判別。本發(fā)明克服了因缺乏大型公開、已標(biāo)記的食管癌病理圖像數(shù)據(jù)集作為訓(xùn)練樣本導(dǎo)致的深度學(xué)習(xí)過程中易出現(xiàn)的過擬合問題，提高識(shí)別率。

技術(shù)領(lǐng)域

本發(fā)明涉及一種食管癌病理切片圖像的自動(dòng)甄別裝置及其甄別方法，尤其涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)的食管癌病理圖像自動(dòng)甄別裝置及其甄別方法。

背景技術(shù)

根據(jù)統(tǒng)計(jì)數(shù)據(jù)顯示，近年來癌癥發(fā)病率逐年增長。以江蘇省淮安市為例，惡性腫瘤的死亡率高達(dá)164.57/10萬(標(biāo)化死亡率138.20/10萬)，高于全國平均水平39％。而惡性腫瘤中致死率第一位的是食管癌，其死亡率占癌癥死亡率的49.53％。食管癌高發(fā)病率的原因除了外在的易致癌的環(huán)境性因素和不良的飲食習(xí)慣以外，與疾病發(fā)現(xiàn)的不及時(shí)有很大關(guān)系。食管癌發(fā)現(xiàn)時(shí)大多都已處于中晚期，早期診斷準(zhǔn)確率不夠高，在治療的最佳階段無法及時(shí)得到治療。因此，對(duì)食管癌的早期診斷非常關(guān)鍵，如果能夠在癌癥初期發(fā)現(xiàn)病癥，存活率將會(huì)高出10倍。

通過活體組織檢查進(jìn)行確切診斷，是目前食道病變的影像學(xué)檢查方法中，被認(rèn)為最可靠、最權(quán)威的病理診斷方法。組織病理學(xué)圖像分析是癌癥診斷的金標(biāo)準(zhǔn)。病理醫(yī)生通過對(duì)病理切片進(jìn)行鏡檢，完成病理診斷和預(yù)后評(píng)估。病理診斷是肉眼觀察器官的改變、在鏡下觀察器官組織結(jié)構(gòu)以及細(xì)胞的病變特性的一種疾病診斷手段，在確診的客觀性和準(zhǔn)確性上，其可信度遠(yuǎn)高于根據(jù)病歷、病狀做出的分析性診斷，以及利用影像途徑(如超聲波、X射線、CT、核磁共振等)所做出的臨床診斷。

但是，由于病理圖像中包含百億級(jí)別的細(xì)胞，且具有圖像之間差異細(xì)微、細(xì)胞重疊現(xiàn)象、顏色分布不均勻等特點(diǎn)，人工查找癌細(xì)胞通常費(fèi)時(shí)費(fèi)力，極易出錯(cuò)。另外，通過病理切片圖像甄別腫瘤，對(duì)病理醫(yī)生的專業(yè)技能要求較高。一名優(yōu)秀的病理醫(yī)生要做到準(zhǔn)確、快速甄別是否癌癥的結(jié)果，需要數(shù)十年甚至更長期的培養(yǎng)。全國范圍內(nèi)病理醫(yī)生的人數(shù)不足萬人，且多集中于經(jīng)濟(jì)較為發(fā)達(dá)地區(qū)，有些偏遠(yuǎn)貧困的地區(qū)基本沒有病理醫(yī)生。而腫瘤又是高發(fā)疾病，病理醫(yī)生需要處理的病例數(shù)接近病理醫(yī)生人數(shù)的6倍，超高負(fù)荷的工作量嚴(yán)重影響到檢測的效率和準(zhǔn)確率。

此前，醫(yī)學(xué)圖像的智能化診斷都是基于陳舊的、需要?jiǎng)邮植僮鞯臋C(jī)器學(xué)習(xí)模式來實(shí)現(xiàn)，如設(shè)計(jì)灰度直方圖、形狀特征、紋理結(jié)構(gòu)特征、與周圍組織的關(guān)系特征等人工視覺特征，再利用分類器進(jìn)行分類。由于人工提取的特征在很大程度上依靠專業(yè)經(jīng)驗(yàn)，客觀性較差，無法表征圖片的全面信息，且很難實(shí)現(xiàn)多種人工特征的融合，分類效果不理想且不具備普適性。

近年來“深度學(xué)習(xí)”技術(shù)以其特定的多層結(jié)構(gòu)和強(qiáng)大的處理大數(shù)據(jù)、自學(xué)習(xí)和自適應(yīng)的能力，能夠?qū)崿F(xiàn)從數(shù)據(jù)中自動(dòng)學(xué)習(xí)特征、完成分類，在圖像識(shí)別領(lǐng)域得到了進(jìn)一步的應(yīng)用。這樣的“端對(duì)端”結(jié)構(gòu)更適合于大數(shù)據(jù)量的病理分析，避免了傳統(tǒng)算法中人工設(shè)計(jì)、提取特征的復(fù)雜性和局限性，不僅提高了診斷效率，還為醫(yī)生提供更加客觀、準(zhǔn)確的診斷結(jié)果，促進(jìn)了醫(yī)療圖像輔助診斷技術(shù)的發(fā)展，具有重要的臨床應(yīng)用價(jià)值。從幾百萬病人的疾病記錄入手，利用深度學(xué)習(xí)技術(shù)對(duì)病理切片圖像進(jìn)行訓(xùn)練，建立一個(gè)關(guān)于腫瘤的人工神經(jīng)網(wǎng)絡(luò)，利用足夠多的大數(shù)據(jù)，自動(dòng)提取合適的特征，對(duì)腫瘤進(jìn)行甄別，實(shí)現(xiàn)腫瘤疾病的智能化診斷。隨著大數(shù)據(jù)時(shí)代的到來和深度學(xué)習(xí)研究的深入，結(jié)合深度學(xué)習(xí)進(jìn)行腫瘤檢測將成為醫(yī)學(xué)智能化領(lǐng)域新的研究趨勢(shì)。

發(fā)明內(nèi)容

發(fā)明目的：針對(duì)以上問題，本發(fā)明提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的食管癌病理圖像自動(dòng)甄別裝置，該裝置可以高效率、高準(zhǔn)確率地自動(dòng)給出食管癌的良性或者惡性判別結(jié)果。本發(fā)明的另一目的是提供基于該裝置的甄別方法。