[發(fā)明專利]一種基于視覺特征識別口腔鱗狀細胞癌的深度學習方法

有效

• 申請?zhí)枺?/td>: 202010112955.1
• 申請日: 2020-02-24
• 公開（公告）號: CN111369501B
• 公開（公告）日: 2022-04-01
• 發(fā)明（設計）人: 熊學鵬;趙怡芳;傅秋云;李凱雄
• 申請（專利權）人: 武漢大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/25;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08;A61B5/00
• 代理公司: 武漢宇晨專利事務所(普通合伙) 42001
• 代理人: 王敏鋒

本發(fā)明公開了一種基于視覺特征識別口腔鱗狀細胞癌的深度學習方法，包括：1)建立開發(fā)集和測試集；2)構建數據訓練樣本；3)訓練目標檢測網絡模型；4)通過該目標檢測模型對開發(fā)集的口腔照片進行批量初始定位，使用定位后的圖片區(qū)域構建分類網絡數據樣本；5)擴充分類網絡數據樣本；6)DenseNet作為分類網絡的主干網絡，并改進DenseNet，使模型更加集中于困難的錯誤分類的樣本；7)將分類網絡在擴充樣本上進行訓練，得到口腔鱗狀細胞癌分類網絡；8)檢驗分類網絡；9)應用分類網絡分類口腔照片。本方法從口腔照片中檢出口腔鱗狀細胞癌的靈敏度高，特異性好，適用于各種口腔鱗狀細胞癌的檢測以及篩查。

技術領域

本發(fā)明屬于醫(yī)學圖像處理領域，涉及到深度學習技術用于某一類照片中特定視覺特征區(qū)域的檢測。此訓練所得的深度學習神經網絡對照片中口腔鱗狀細胞癌的檢測具有良好的準確率，精準度與召回率，適用于口腔鱗狀細胞癌患者的篩查。

技術背景

口腔癌位列世界十大惡性腫瘤之一。2018年，全世界范圍內預測口腔癌新發(fā)病例354864人，因口腔癌死亡的人數177384人。就病理分型而言，口腔癌患者中90％以上是鱗狀細胞癌，重度吸煙和酗酒的中老年男性為高發(fā)人群。在咀嚼檳榔盛行的國家和地區(qū)，如印度、巴基斯坦、孟加拉以及中國的中南地區(qū)的部分省份都是口腔鱗狀細胞癌的高發(fā)地區(qū)。這些地區(qū)人口稠密，經濟發(fā)展欠均衡，醫(yī)療資源供給不足，口腔癌的防治是這些國家和地區(qū)的重要衛(wèi)生工作。

口腔鱗狀細胞癌在起病早期臨床表現(xiàn)為口腔黏膜白斑、紅斑以及紅白斑，少有疼痛與口腔功能障礙。不少患者即使發(fā)現(xiàn)了口腔黏膜的異常，也會因為癥狀輕微而忽視及時就醫(yī)。由于發(fā)病部位的緣故，相當一部分患者首診于牙科醫(yī)生，一部分患者首診于全科醫(yī)生，但多數牙科醫(yī)生和全科醫(yī)生并不具備診斷口腔癌的能力，因此不少患者會被誤診為普通的口腔潰瘍，延長了患者的等待時間。因此，至今仍有超過半數的口腔鱗狀細胞癌患者直到病變長大，出現(xiàn)疼痛或出血，甚至發(fā)生區(qū)域性淋巴結轉移后才被轉診至口腔癌專科醫(yī)生處就診。早期的口腔鱗狀細胞癌患者中，84％僅需要手術即可治愈；而晚期患者除需接受根治性手術外，還需要放化療等輔助治療，不僅耗用了更多的醫(yī)療資源，而且痛苦增多，花費增加，但五年生存率只有39％。近四十年來，盡管各種新興的治療手段層出不窮，但口腔癌的總體預后沒有明顯的提升。

發(fā)現(xiàn)并診斷早期口腔鱗狀細胞癌病變是提高患者生存率最有效的方法。但及早發(fā)現(xiàn)口腔癌患者是世界性的難題，各國想了很多辦法，比如提高牙科醫(yī)生或者全科醫(yī)生對口腔癌的認識水平，在牙學院的課程設置中增加口腔癌相關知識的教育以及畢業(yè)后再教育。但口腔癌相關的臨床知識需從經驗獲取，單純理論教育很難收獲理想的效果。印度學者Sankaranarayanan曾在1996年至2004年間，歷時八年對選定社區(qū)內的高危人群進行了的口腔癌的跟蹤篩查，耗費大量的人力和時間得到結論認為：通過口腔癌的外觀特征，能夠篩查出早期口腔癌患者對其進行早期的治療，從而降低口腔癌高危人群的死亡率。并且預估這種篩查方式可以降低世界范圍內因口腔癌死亡的人數，只是人力成本與時間成本過高，而無法推廣。

近年來，各種染色劑，納米技術，熒光照射等一系列技術來進行口腔癌的篩查，但這些方法都需要在醫(yī)院或診所內由醫(yī)務人員完成，檢測結果需要專業(yè)解讀，不方便推廣應用。理想的檢測手段應該像口腔癌專家的體格檢查，通過檢查病變的外觀推斷出其可能診斷，并建議患者行病理檢查，明確診斷后進行手術治療。但口腔癌專科醫(yī)生的數量有限，分布不均，無法滿足全部口腔癌患者的需求。

人工智能技術近年來快速介入醫(yī)學圖像處理領域，一些深度學習算法已成為高效的圖像識別工具，被用于識別各類醫(yī)學圖像中的異常征象。例如，預測人的頭部CT片中的出血點和骨折，預測患兒可能的遺傳病類型；預測皮膚癌，早期發(fā)現(xiàn)心電圖中房顫的征象等等。實現(xiàn)這些場景依賴三點：1.深度學習算法；2.大數據；3.模型訓練。迄今為止，還沒有從視覺特征來識別口腔鱗狀細胞癌的人工智能模型被報道。因此，開發(fā)出相應的人工智能模型，并部署至互聯(lián)網的移動終端，類似于將口腔癌專家通過視覺特征識別口腔癌的專業(yè)能力迅速拓展到全世界，這將對發(fā)現(xiàn)早期口腔癌具有重要意義。

發(fā)明內容