[發(fā)明專利]一種基于深度學(xué)習(xí)的肺癌計(jì)算機(jī)輔助檢測(cè)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910005910.1
• 申請(qǐng)日: 2019-01-04
• 公開（公告）號(hào): CN109754879A
• 公開（公告）日: 2019-05-14
• 發(fā)明（設(shè)計(jì)）人: 馮向軍
• 申請(qǐng)（專利權(quán)）人: 湖南蘭茜生物科技有限公司
• 主分類號(hào): G16H50/20
• 分類號(hào): G16H50/20;G16H30/20;G06N3/04;G06N3/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開了一種基于深度學(xué)習(xí)的肺癌計(jì)算機(jī)輔助檢測(cè)方法，涉及計(jì)算機(jī)視覺、深度學(xué)習(xí)、計(jì)算機(jī)輔助診斷領(lǐng)域，包括：首先將已臨床確診的病理組織切片進(jìn)行H&E染色，通過(guò)掃描獲取WSI圖像，再由病理醫(yī)生對(duì)癌癥區(qū)域進(jìn)行精準(zhǔn)的標(biāo)注；然后將所述WSI圖像隨機(jī)分成訓(xùn)練集和測(cè)試集，并將每張WSI圖像按一定大小進(jìn)行分塊處理，作為后續(xù)卷積神經(jīng)網(wǎng)絡(luò)的輸入；然后利用訓(xùn)練樣本對(duì)網(wǎng)絡(luò)進(jìn)行調(diào)參和訓(xùn)練，并利用測(cè)試樣本對(duì)訓(xùn)練結(jié)果進(jìn)行檢驗(yàn)，最后，設(shè)計(jì)客戶終端，使用客戶終端上傳待檢測(cè)WSI圖像，獲得自動(dòng)識(shí)別的結(jié)果。本發(fā)明所提供的方法大大地提高基于WSI的診斷速度和效率，加快基于WSI圖像的癌癥檢測(cè)過(guò)程，并達(dá)到了與人類觀察者相當(dāng)?shù)臋z測(cè)率。

技術(shù)領(lǐng)域

本發(fā)明主要涉及計(jì)算機(jī)視覺、深度學(xué)習(xí)、計(jì)算機(jī)輔助診斷領(lǐng)域，特別是涉及一種基于深度學(xué)習(xí)的肺癌計(jì)算機(jī)輔助檢測(cè)方法及系統(tǒng)。

背景技術(shù)

肺癌是現(xiàn)在世界上死亡率最高的一種惡性腫瘤，早期發(fā)現(xiàn)和正確診斷肺癌是改善患者預(yù)后的最重要步驟。病理診斷是肺癌診斷的金標(biāo)準(zhǔn)，然而病理診斷的主觀性較高，且病理醫(yī)生之間存在診斷的個(gè)體差異性。除此之外，在發(fā)展中國(guó)家，特別是在中國(guó)等肺癌患者人數(shù)眾多的國(guó)家，合格的病理醫(yī)生數(shù)量嚴(yán)重不足，已無(wú)法滿足巨大的臨床需求。隨著計(jì)算機(jī)視覺、深度學(xué)習(xí)等技術(shù)的飛速發(fā)展，基于人工智能的計(jì)算機(jī)輔助診斷得到越來(lái)越多的重視，它具有快速、客觀、準(zhǔn)確的優(yōu)勢(shì)，并具備處理大數(shù)據(jù)的能力。

許多基于人工智能的計(jì)算機(jī)輔助診斷系統(tǒng)已開始在臨床研究和應(yīng)用中發(fā)揮作用，例如，2016年，深度學(xué)習(xí)成功的用于檢測(cè)黑素瘤病變，準(zhǔn)確率達(dá)到92％；在乳腺癌中，通過(guò)傳統(tǒng)機(jī)器學(xué)習(xí)進(jìn)行特征提取的四極阻抗測(cè)量(TPIM)法的有效診斷率達(dá)到84％，利用深度學(xué)習(xí)算法可進(jìn)一步提高乳腺癌的診斷率；2018年，美國(guó)食品藥品監(jiān)督局(FDA)批準(zhǔn)了第一款A(yù)I輔助診斷設(shè)備IDx-DR，使得糖尿病視網(wǎng)膜病變的準(zhǔn)確識(shí)別率達(dá)到87.4％，對(duì)輕度及以下的糖尿病視網(wǎng)膜病變的識(shí)別率可達(dá)89.5％。

人工智能在肺癌輔助診斷的應(yīng)用還主要集中在放射學(xué)上。例如通過(guò)針對(duì)CT圖像，利用深度學(xué)習(xí)技術(shù)對(duì)肺結(jié)節(jié)的良惡性分類能夠達(dá)到86.4％的準(zhǔn)確率。然而，深度學(xué)習(xí)技術(shù)的尚未在應(yīng)用在肺癌的病理學(xué)分析中。由于傳統(tǒng)的機(jī)器學(xué)習(xí)算法需要人工設(shè)計(jì)特征，而肺癌的種類各異，使得設(shè)計(jì)一類適用于各類癌癥的特征非常困難。

發(fā)明內(nèi)容

有鑒于現(xiàn)有技術(shù)的一部分缺陷，本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種基于深度學(xué)習(xí)的肺癌計(jì)算機(jī)輔助檢測(cè)方法，旨在輔助病理醫(yī)生對(duì)肺癌進(jìn)行診斷。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于深度學(xué)習(xí)的肺癌計(jì)算機(jī)輔助檢測(cè)方法，所述方法包括：

步驟S1、采集已臨床確診的病變組織，用病理組織學(xué)方法制成病理組織切片，然后再用蘇木精和曙紅對(duì)所述病理組織切片進(jìn)行染色；

步驟S2、通過(guò)利用數(shù)字自動(dòng)顯微鏡對(duì)染色后的所述病理組織切片進(jìn)行掃描，獲取WSI圖像；所述WSI圖像包括經(jīng)驗(yàn)豐富的病理醫(yī)生對(duì)所述WSI圖像上癌癥區(qū)域進(jìn)行精準(zhǔn)的標(biāo)注；

步驟S3、將上述步驟獲取的所述WSI圖像隨機(jī)分成訓(xùn)練集和測(cè)試集，并對(duì)每張所述WSI圖像進(jìn)行分塊處理；分塊處理后的所述WSI圖像用于為后續(xù)卷積神經(jīng)網(wǎng)絡(luò)的輸入；所述WSI圖像包括WSI訓(xùn)練圖像和WSI測(cè)試圖像；

步驟S4、根據(jù)經(jīng)典的自然圖像識(shí)別卷積神經(jīng)網(wǎng)絡(luò)，利用所述WSI訓(xùn)練圖像對(duì)網(wǎng)絡(luò)進(jìn)行調(diào)參和訓(xùn)練，生成肺癌檢測(cè)模型；利用所述WSI測(cè)試圖像對(duì)所述肺癌檢測(cè)模型進(jìn)行檢驗(yàn)，優(yōu)化所述肺癌檢測(cè)模型；

步驟S5、接收客戶終端發(fā)送的待檢測(cè)WSI圖像，將所述待檢測(cè)WSI圖像輸入至所述肺癌檢測(cè)模型；

步驟S6、從肺癌檢測(cè)模型中提取與所述待檢測(cè)WSI圖像相對(duì)應(yīng)的識(shí)別結(jié)果；

步驟S7、將所述識(shí)別結(jié)果發(fā)送至所述客戶終端。

在一具體實(shí)施方式中，所述步驟S1中，所述病理組織切片的數(shù)量大于或等于十萬(wàn)。