[發明專利]一種基于深度學習的數字病理圖像智能分析方法

在審

• 申請號: 202010824348.8
• 申請日: 2020-08-17
• 公開（公告）號: CN112116559A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 錢光武
• 申請（專利權）人: 您好人工智能技術研發昆山有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/34;G06K9/62;G16H30/00;G16H50/20
• 代理公司: 蘇州圓融專利代理事務所(普通合伙) 32417
• 代理人: 趙磊

本發明公開了一種基于深度學習的數字病理圖像智能分析方法，包括以下步驟：S1：收集各個科室病理圖像，并對圖像進行分類處理；S2：將圖像掃描并上傳到計算機，存儲在病理圖像的數據庫，由相關科室的專家對病理圖像種病變的區域進行標注并提取，從而獲取病變圖像的數據庫；S3：對數據庫內的圖像進行預處理，獲得算法訓練數據庫；S4：對算法訓練數據庫中的病理圖像進行分析和學習，獲得自動診斷模型和數字病理圖像檢索模型，從而形成智能分析系統；S5：獲取臨床數字病理切片數據，對其進行圖像掃描并上傳到計算機；S6：通過智能分析系統對臨床的病理數據進行分析。本發明，可獲得準確的分析系統，從而減小結果的誤差，提高分析的準確性。

技術領域

本發明涉及病理圖像智能分析技術領域，具體是一種基于深度學習的數字病理圖像智能分析方法。

背景技術

目前腫瘤病理診斷和后期統計分析是基于病理醫生工作經驗和知識積累完成分析,其評判結果容易受主觀性影響，癌癥的亞型分類較多，部分亞型之間也有類似的特征，而且大量病理數據人工分析不僅耗時，并且過度疲勞也很容易影響分析結論。根據國際上最新臨床研究成果表明，人工對HE腫瘤細胞核的統計分析很容易產生誤差，細胞核百分比統計過錯評估高達45％，而且分析結果因病理醫生不同有很大的差異性，對于同一腫瘤，操作者間差異性10％-95％動態變化范圍，很容易造成假陰性診斷結果。分析結果不準確將直接影響患者的治療方案，這給患者帶來極大生命危險。病理檢查是目前臨床癌癥診斷的金標準。病理醫生的癌癥診斷主要依賴于通過顯微鏡捕獲的組織樣本圖像的視覺檢查。然而對于病理醫生來說，需要結合自己長期積累的臨床分析經驗來判斷例如鼻炎癌病理切片中是否有癌變，該方法不僅費時，而且對醫生的專業知識要求極高。

近年來，隨著人工智能技術的快速發展，計算機輔助診斷(ComputerAidedDiagnosis，CAD)在醫學領域取得了很大成功。CAD在病理圖像的診斷中的主要方法包括傳統的機器學習和近年較為流行的深度學習。傳統的機器學習需要手動提取圖像特征，然后通過分類器進行分類。該方法的分析效果主要依賴于前期手動特征提取的效果。相比于傳統方法，深度學習無需手動特征提取，能夠自動挖掘病理圖像深層特征，直接進行端到端優化。雖然CAD技術在病理圖像領域已經取得了不少成功，然而，在實際算法的搭建中，仍然是以單一尺度的特征進行分析，而忽略了不同尺度的特征。

總之，目前病理圖像分析存在的主要問題是：病理醫生的診斷需要耗費較長的時間，而且對醫生專業能力要求很高；傳統的機器學習方法對病理圖像進行分析，主要依賴于提取特征的效果，這對研究人員的專業知識要求較高。

現有雖然有些分析方法可以在一定程度上提高效率，但其分析結果存在較大，不能提高很好的判斷。

發明內容

本發明的目的在于提供一種基于深度學習的數字病理圖像智能分析方法，以解決現有技術中的問題。

為實現上述目的，本發明提供如下技術方案：一種基于深度學習的數字病理圖像智能分析方法，包括以下步驟：

S1：收集各個科室病理圖像，并對圖像進行分類處理；

S2：將圖像掃描并上傳到計算機，存儲在病理圖像的數據庫，由相關科室的專家對病理圖像種病變的區域進行標注并提取，從而獲取病變圖像的數據庫；

S3：對數據庫內的圖像進行預處理，獲得算法訓練數據庫；

S4：對算法訓練數據庫中的病理圖像進行分析和學習，獲得自動診斷模型和數字病理圖像檢索模型，從而形成智能分析系統；

S5：獲取臨床數字病理切片數據，對其進行圖像掃描并上傳到計算機；

S6：通過智能分析系統對臨床的病理數據進行分析，并將結果傳輸給醫生，輔助醫生判斷；

S7：醫生可根據臨床實際的結果，可修訂算法訓練數據庫，并更新自動診斷模型和數字病理圖像檢索模型，從而形成實時智能分析系統。