[發明專利]一種基于人工智能輔助識別數字病理切片的掃描方法

在審

• 申請號: 202010645827.3
• 申請日: 2020-07-07
• 公開（公告）號: CN111798966A
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 梅園
• 申請（專利權）人: 上海昌島醫療科技有限公司
• 主分類號: G16H30/20
• 分類號: G16H30/20;G16H30/40;G16H15/00;G06K17/00;G06N3/04;G06N3/08
• 代理公司: 成都頂峰專利事務所(普通合伙) 51224
• 代理人: 匡睿

本發明公開了一種基于人工智能輔助識別數字病理切片的掃描方法，具體包括如下步驟：制備目標區域檢測模型；選擇待處理數字病理切片，收集待處理數字病理切片的信息；將待處理數字病理切片的信息生成相應的二維碼；掃描儀對待處理數字病理切片進行掃描；用目標區域檢測模型對掃描后的信息進行檢測，生成病理報告以及圖像。該基于人工智能輔助識別數字病理切片的掃描方法，通過收集待處理數字病理切片的信息及其顯微鏡倍鏡信息，之后將這些信息生成相應的二維碼，將該二維碼貼在待處理數字病理切片上，掃描儀選擇倍鏡掃描待處理數字病理切片時，會根據二維碼內儲存的信息自動選擇合適的倍鏡進行處理，這種掃描方式簡單且快捷。

技術領域

本發明涉及掃描方法技術領域，具體為一種基于人工智能輔助識別數字病理切片的掃描方法。

背景技術

現有掃描儀掃描數字病理切片的掃描方法有以下不足：

1、現有掃描儀掃描數字病理切片的掃描方法都是通過人工肉眼去判斷待掃描數字病理切片需要多少倍的顯微鏡，然后再選擇相應的顯微鏡，之后通過肉眼來選擇掃描的區域進行掃描，這種方式耗費人力物力；

2、現有掃描儀掃描數字病理切片的掃描方法是對數字病理切片全面掃描，無法讓掃描儀針對數字病理切片上的特定區域諸如細胞區域或者染色后的病菌區域進行掃描，這樣就會掃描出來很多空白區域以及無關的區域，從而降低整個掃描過程的工作效率；

3、現有掃描儀掃描數字病理切片的掃描方法，人們不能直接通過數字病理切片直接得到該切片的處理狀態以及相應的處理信息。

發明內容

針對現有技術的不足，本發明提供了一種基于人工智能輔助識別數字病理切片的掃描方法，解決了上述背景技術中所提到的問題。

為實現上述目的，本發明提供如下技術方案：一種基于人工智能輔助識別數字病理切片的掃描方法，具體包括如下步驟：

S1：制備目標區域檢測模型；

S2：選擇待處理數字病理切片，收集待處理數字病理切片的信息及其顯微鏡倍鏡信息；

S3：將待處理數字病理切片的信息及其顯微鏡倍鏡信息生成相應的二維碼，將該二維碼貼在待處理數字病理切片上；

S4：根據待處理數字病理切片上的二維碼信息，掃描儀選擇相應的倍鏡對待處理數字病理切片進行掃描；

S5：用目標區域檢測模型對S4步驟中的掃描結果進行檢測，得到相應的結果，并生成病理報告以及圖像。

優選的，所述S1中制備目標區域檢測模型具體包括以下步驟：

S11：收集目標數字病理切片，掃描得到目標數字病理切片的病理圖像，對圖像進行預處理，并對圖像中的目標區域進行標注，之后生成目標文件；

S12：選擇神經網絡模型，將標注好的圖像與目標文件放到神經網絡模型中進行深度學習，得到目標區域檢測模型。

優選的，所述S11中，對圖像進行預處理包括對圖像進行去噪和切割。

優選的，所述S11中圖像中的目標區域包括細胞區域和染色后的病菌區域。

優選的，所述S11中的目標文件包含有目標區域的坐標信息。

優選的，所述神經網絡模型是由一個三通道的神經網絡組成，每一通道由53層神經網絡組成，每一層的神經網絡包括卷積層、池化層、全連接層以及softmax層，其中，第一通道最后的輸出是13*13*3，第二通道是26*26*3，第三通道是52*52*3，最后綜合三個通道的信息，最后加一個池化層、全連接層以及softmax層來輸出結果。

優選的，所述神經網絡模型每一通道上面附加了殘差網絡，每個殘差模塊由兩個卷積層以及一個短鏈接組成。