[發明專利]基于深度學習的子宮頸液基細胞數字圖像分類方法及系統

在審

• 申請號: 202011077036.1
• 申請日: 2020-10-10
• 公開（公告）號: CN112380900A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 陳浩;胡羽;周南江;陳雁
• 申請（專利權）人: 深圳視見醫療科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06N3/04;G06N3/08
• 代理公司: 深圳市徽正知識產權代理有限公司 44405
• 代理人: 盧杏艷

本發明涉及醫療技術領域，尤其是涉及基于深度學習的子宮頸液基細胞數字圖像分類方法及系統，該方法包括：傳圖模塊、檢測模塊和閱片模塊，傳圖模塊用于將待識別的子宮頸液基細胞數字圖像傳輸到檢測模塊；檢測模塊用于基于訓練得到的Faster?RCNN模型，實現對子宮頸液基細胞數字圖像中各類細胞的檢測，得到檢測結果；閱片模塊用于查閱所述檢測結果。本發明基于定制化的深度卷積神經網絡的目標檢測模型Faster?RCNN，實現對子宮頸液基細胞數字圖像中各類異常細胞進行分類、定位和檢測，并且對子宮頸液基細胞數字圖像進行異常分級。

技術領域

本發明涉及醫療技術領域，尤其是涉及基于深度學習的子宮頸液基細胞數字圖像分類方法及系統。

背景技術

在世界范圍內，宮頸癌是女性第四常見癌癥死因，且呈低齡化趨勢。在病癥早期及時發現并及時治療，可以有效地降低發病率和病死率。因此，宮頸癌的早期診斷對女性健康有重要的意義。現代最常用的診斷方式之一是液基涂片檢查。

液基涂片檢查是一種宮頸細胞學診斷方法，常用于檢查宮頸癌等疾病。隨著醫療數字化的發展，現代醫院逐漸摒棄了在顯微鏡下直接對液基涂片進行觀察和診斷的傳統方法，取而代之的是在通過高分辨率數字掃描儀掃描后在計算機上通過檢查液基涂片全切片圖像進行診斷。數字化的圖像具有易于存儲管理，易于傳輸會診，易于追溯回訪且使用成本相對較低的優點。

在計算機上進行診斷的檢查步驟如下：

1、首先，取得少量宮頸細胞樣品，制作細胞液基涂片；

2、然后，通過高分辨率掃描儀掃描細胞液基涂片，生成宮頸細胞涂片全切片圖像；

3、最后，醫生及病理專家通過計算機閱圖工具觀察細胞有無異常(何種異常)并做出診斷。

在診斷過程中，宮頸細胞數量大，分布零散，需要專業醫生花費很大的精力與時間去逐一排查，且容易漏診。因此，自動化的異常細胞識別定位技術對于宮頸疾病的計算機輔助篩查、輔助診斷將會有很大的幫助。

已公開的專利中，涉及輔助診斷宮頸液基細胞學的系統的，記載如下：

專利CN108982500A，提出一種宮頸液基細胞學智能輔助閱片方法和系統，該方法對預選的探查區進行多層面成像，既提供了完整的三維信息，又極大地減小了每張玻片的總成像時間，無需病理閱片醫生進行全玻片瀏覽和找尋病變細胞。專利CN102682305A，提出宮頸液基細胞學自動篩查方法和系統，該系統包括：圖像采集、圖像分割、目標識別和綜合分析。能在減輕細胞病理學家工作負擔的同時提高診斷的準確性。

已公開的專利中，針對子宮頸細胞學圖像分割技術的，記載如下：

專利CN111274903A，提出一種基于圖卷積神經網絡的宮頸細胞圖像分類方法，其先通過卷積神經網絡提取特征表征，構建樣本特征關系圖，搭建基于圖卷積神經網絡的深度網絡；將樣本特征關系圖輸入基于圖卷積神經網絡的深度網絡進行訓練，繼而預測目標圖像中的宮頸細胞的類型。

專利CN110992303A，提出一種異常細胞篩選方法、裝置、電子設備和存儲介質，該專利根據像素點的灰度值對宮頸細胞全切片圖像進行切分得到子圖像，針對子圖像訓練了多個異常細胞篩選模型(卷積神經網絡)，根據預設選取策略從所述多個異常細胞篩選模型預測結果中選取多個預測結果作為子圖像預測結果，最后將子圖像結果整合在顯示界面上顯示所有異常細胞。

專利CN110648322A，提出一種子宮頸異常細胞檢測方法及系統，該專利先將圖像進行色彩歸一化處理和多尺度變換，分別得到每個分塊圖像在不同預設尺度下的若干尺度的歸一化色彩圖像；基于多尺度的標注圖像訓練檢測得到異常細胞檢測模型。

專利CN110363188A與專利CN110163102A，采用稠密卷積神經網絡進行宮頸細胞圖像分類，可以區分11類宮頸細胞圖像。