[發明專利]一種數字細胞病理圖像智能分析方法、系統及裝置

在審

• 申請號: 201910548420.6
• 申請日: 2019-06-24
• 公開（公告）號: CN112132166A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 宋敏敏;楊林;韓鑫;崔磊
• 申請（專利權）人: 杭州迪英加科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/11;G06T7/136;G16H50/20
• 代理公司: 北京博維知識產權代理事務所(特殊普通合伙) 11486
• 代理人: 張倩

本發明涉及一種數字細胞病理圖像智能分析方法，包括：S10，獲取待分析的數字細胞病理圖像數據，并進行預處理；S20，篩選數字細胞病理圖像的非確定陰性區域；S30，對所述非確定陰性區域內的陽性細胞進行篩選和標注；S40，輸出標注后的數字細胞病理圖像數據。本申請還涉及一種數字細胞病理圖像數據智能分析系統及裝置。本申請基于陰性細胞數量遠大于陽性細胞數量以及陰性細胞形態的變異性小于陽性細胞形態的變異性的特點，提出基于標注的陰性細胞訓練確定陰性區域分類模型，一方面降低了神經網絡模型訓練數據的獲取難度，另一方面通過剔除確定陰性區域大大減少了陽性細胞檢出的運算量，提高算法運算速度和效率，同時避免漏診誤診，提高診斷準確性。

技術領域

本發明涉及病理圖像輔助分析領域，特別是涉及一種數字細胞病理圖像智能分析方法、系統及裝置。

背景技術

細胞病理學是一門相對較新的醫學學科，通常用于宮頸癌前病變、體腔內液體（腹膜液、胸膜液、心包液和腦脊液），以及癌變或感染病變組織的研究。現階段細胞病理學的診斷主要基于肉眼觀察，即在顯微鏡下觀察玻片中的所有細胞，并根據細胞形態進行診斷。對于宮頸液基細胞，通過發現癌前病變細胞HSIL、LSIL、AIS、AGC等陽性細胞，對女性宮頸病變進行篩查實現宮頸癌早預防、早發現和早治療，從而降低宮頸癌發病率。宮頸癌細胞涂片中有上萬個細胞，醫生需要肉眼觀察上萬個細胞并確定觀察到的細胞類型來做出診斷，由于醫療資源的貧乏和病理醫生的稀缺，病理醫生通常超負荷工作，在高強度的工作下難免出現誤診漏診以及診斷質量參差不齊的現象；基于此，出現了計算機輔診診斷的產品幫助醫生提高工作效率和診斷準確性；基于傳統的機器學習原理的計算機輔助診斷產品解決了一部分效率和準確性的問題，近年來深度學習的發展促進了新一代智能輔助診斷產品的上市，比傳統基于機器學習原理的計算機輔助診斷產品在效率和準確性上均有大的提升；然而現有新一代智能輔助診斷產品在算法效率的提升方面還有很多可以研究的內容。當前細胞病理AI算法模型需要對全片的細胞進行檢測分類，對計算機硬件的要求高，運算效率和運算成本均需要優化。

發明內容

本發明的一個目的在于借助陰性細胞與陽性細胞形態數量的差異性，降低陽性細胞檢出的難度，提高陽性細胞檢出的效率，本發明提供了一種數字細胞病理圖像智能分析方法、系統及裝置。

本發明通過以下技術方案來實現上述目的：一種數字細胞病理圖像智能分析方法，包括：S10，獲取待分析的數字細胞病理圖像數據，并進行預處理；S20，確定數字細胞病理圖像的非確定陰性區域；S30，對所述非確定陰性區域內的陽性細胞進行篩選和標注；S40，輸出標注后的數字細胞病理圖像數據。

進一步地，所述數字細胞病理圖像數據為視頻數據，所述步驟S10還包括：將所述視頻數據拆分為多個連續的圖片，篩選出所述圖片中無重疊部分或是重疊部分面積在設定范圍內的若干張圖片，對篩選出的若干張圖片逐一進行預處理。

進一步地，步驟S20具體包括：

S201，將數字細胞病理圖像數據分割為多個具有相同尺寸的切片單元；

S202，采用陰性區域分類算法模型對每個切片單元進行陰性預測，確定每個切片單元為陰性的概率；

S203：篩選出所述概率小于設定閾值的切片單元作為非確定陰性區域；

所述陰性區域分類算法模型是以若干個經過陰性標注的切片樣本作為第一卷積神經網絡的輸入，訓練得到；所述切片單元的大小與切片樣本的大小相適應。

進一步地，步驟S30具體包括：采用陽性細胞檢測模型對所述非確定陰性區域的陽性細胞進行檢出，并標注出具有陽性細胞的非確定陰性區域及所述陽性細胞的所在位置、陽性細胞的類型和置信度；所述陽性細胞檢測模型是以若干個標注陽性細胞的切片樣本作為第二卷積神經網絡的輸入，訓練得到。

進一步地，步驟S40：輸出標注有陽性細胞所在位置、陽性細胞的類型和置信度的數字細胞病理圖像數據。