[發(fā)明專利]基于尖峰平板式深度玻爾茲曼機(jī)分類的膀胱尿路上皮圖像處理方法

在審

• 申請?zhí)枺?/td>: 201811431700.0
• 申請日: 2018-11-27
• 公開（公告）號: CN109727228A
• 公開（公告）日: 2019-05-07
• 發(fā)明（設(shè)計）人: 史力
• 申請（專利權(quán)）人: 常州市第二人民醫(yī)院
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 薛海霞;董建林

本發(fā)明公開了一種基于尖峰平板式深度玻爾茲曼機(jī)分類的膀胱尿路上皮圖像處理方法。方法包含兩個階段，訓(xùn)練階段和識別階段。在訓(xùn)練階段，利用大數(shù)據(jù)病理圖像（帶標(biāo)注）在近似條件分布最大化準(zhǔn)則下訓(xùn)練深度玻爾茲曼機(jī)模型參數(shù)，即采用吉布斯采樣法對對比散度和持續(xù)性對比散度進(jìn)行迭代更新，從而獲得模型穩(wěn)固性參數(shù)。在識別階段，根據(jù)輸入的盲數(shù)據(jù)（待區(qū)分），評估計算深度玻爾茲曼機(jī)決策層和隱層權(quán)重矩陣的能量函數(shù)，進(jìn)而獲得均勻場近似后驗概率分布的估計，從而在最大化后驗概率條件下選擇最終結(jié)果作為判決結(jié)果。本發(fā)明通過基于人工智能的科學(xué)計算方法來對膀胱尿路上皮進(jìn)行圖像處理，以有效識別和定位細(xì)微病癥部位。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于尖峰平板式深度玻爾茲曼機(jī)分類的膀胱尿路上皮癌圖像處理方法。

背景技術(shù)

膀胱癌是指發(fā)生在膀胱黏膜上的惡性腫瘤。是泌尿系統(tǒng)最常見的惡性腫瘤，也是全身十大常見腫瘤之一。占我國泌尿生殖系腫瘤發(fā)病率的第一位，而在西方其發(fā)病率僅次于前列腺癌，居第2位。2012年全國腫瘤登記地區(qū)膀胱癌的發(fā)病率為6.61/10萬，列惡性腫瘤發(fā)病率的第9位。膀胱癌可發(fā)生于任何年齡，甚至于兒童。其發(fā)病率隨年齡增長而增加，高發(fā)年齡50～70歲。男性膀胱癌發(fā)病率為女性的3～4倍。既往將膀胱黏膜上皮稱為移行細(xì)胞，1998年WHO與國際泌尿病理學(xué)會聯(lián)合建議用尿路上皮一詞代替移行細(xì)胞一詞，以區(qū)別于在鼻腔以及卵巢內(nèi)的移行上皮，使尿路上皮成為尿路系統(tǒng)的專有名詞。2004年WHO《泌尿系統(tǒng)及男性生殖器官腫瘤病理學(xué)和遺傳學(xué)》中尿路系統(tǒng)腫瘤組織學(xué)分類中膀胱癌的病理類型包括膀胱尿路上皮癌、膀胱鱗狀細(xì)胞癌、膀胱腺癌，其他罕見的還有膀胱透明細(xì)胞癌、膀胱小細(xì)胞癌、膀胱類癌。其中最常見的是膀胱尿路上皮癌，約占膀胱癌患者總數(shù)的90％以上，通常所說的膀胱癌就是指膀胱尿路上皮癌，既往被稱為膀胱移行細(xì)胞癌。

對于當(dāng)今基于CT造影的膀胱癌病變區(qū)位和癌變等級的辨別，目前主要靠醫(yī)師主觀的對癌變生理組織區(qū)塊掃描圖像進(jìn)行二維鑒別，從而做出人工判斷。而人工判決極其依賴醫(yī)師的經(jīng)驗和醫(yī)術(shù)水平，即費時又費力，其判決結(jié)論還不具有穩(wěn)定性。因此，急需一種融合當(dāng)今人工智能前沿算法的方法，對醫(yī)學(xué)造影圖像進(jìn)行分類識別和定位，從而提高精準(zhǔn)性和可靠性。

在人工智能領(lǐng)域，人工神經(jīng)網(wǎng)絡(luò)由于其具有非線性建模和自適應(yīng)數(shù)據(jù)的能力，故而被廣泛用于數(shù)據(jù)分類和參數(shù)映射方面。人工神經(jīng)網(wǎng)絡(luò)依賴內(nèi)部的自適應(yīng)基函數(shù)之間的鏈接屬性，從而學(xué)習(xí)和表征數(shù)據(jù)間的強(qiáng)相關(guān)性，反應(yīng)數(shù)據(jù)的分類和回歸特性。在眾多神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)中，有一種深層全鏈接無向圖結(jié)構(gòu)網(wǎng)絡(luò)，稱之為深層玻爾茲曼機(jī)，該網(wǎng)絡(luò)結(jié)構(gòu)允許捕獲自頂向下的信息傳導(dǎo)和反饋作用的影響，因此類似于人腦自上而下的神經(jīng)元鏈接，從而能有效模擬人腦認(rèn)知環(huán)境和學(xué)習(xí)特征，提高人工智能算法分類的精準(zhǔn)性。本發(fā)明利用深度玻爾茲曼機(jī)的優(yōu)點，構(gòu)造一種圖像識別系統(tǒng)，有助于醫(yī)療影像中細(xì)微病變部位的識別。

發(fā)明內(nèi)容

針對需求，本發(fā)明提供一種基于尖峰平板式深度玻爾茲曼機(jī)分類的膀胱尿路上皮癌圖像處理方法，通過構(gòu)建一種數(shù)據(jù)驅(qū)動的人工智能深度玻爾茲曼機(jī)模型，利用提供的大量原始醫(yī)療圖像和鑒別結(jié)果作為系統(tǒng)輸入和輸出，實施智能化監(jiān)督學(xué)習(xí)，在學(xué)習(xí)訓(xùn)練完成之后，能對未知醫(yī)療圖像進(jìn)行有效處理，實現(xiàn)細(xì)微病變部位識別和定位。

為實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：

基于尖峰平板式深度玻爾茲曼機(jī)分類的膀胱尿路上皮癌圖像處理方法，包括訓(xùn)練階段和識別階段，在訓(xùn)練階段，利用帶標(biāo)注的大數(shù)據(jù)病理圖像在近似條件分布最大化準(zhǔn)則下訓(xùn)練深度玻爾茲曼機(jī)模型參數(shù)：即采用吉布斯采樣法對對比散度和持續(xù)性對比散度進(jìn)行迭代更新，在逐層訓(xùn)練的基礎(chǔ)上，利用變分隨機(jī)最大似然法估計模型最優(yōu)結(jié)構(gòu)；

在識別階段，根據(jù)輸入的待區(qū)分盲數(shù)據(jù)，考慮圖像像素之間的協(xié)方差關(guān)系，評估計算深度玻爾茲曼機(jī)決策層和隱層權(quán)重矩陣的能量函數(shù)，從而獲得二值尖峰和實值平板隱藏單位的均勻場估計，得到后驗概率分布的近似推斷，并以最大化后驗概率為決策條件選擇分類結(jié)果，最終實現(xiàn)膀胱尿路上皮細(xì)微病變部位的識別。

訓(xùn)練階段具體包括以下步驟：