[發明專利]基于深度學習的宮頸癌細胞智能檢測方法

有效

• 申請號: 202011259420.3
• 申請日: 2020-11-12
• 公開（公告）號: CN112365471B
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 何勇軍;邵慧麗;陳德運
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06K9/62;G06V10/764
• 代理公司: 暫無信息
• 代理人: 暫無信息

基于深度學習的宮頸癌細胞智能檢測方法。本發明涉及深度學習方法對細胞核的分類。本發明的目的是為了解決現有傳統診斷方式檢測癌細胞準確率低、耗時長等問題。為解決此問題，本發明提出了一種基于深度學習的智能宮頸癌細胞篩查方法。方法的具體過程為：一、數據準備；二、細胞核分割；三、細胞核分類；四、篩選癌細胞。在細胞核分類部分，數據上利用主動學習的方法進行數據的擴充和類別的細分；模型上以ResNeSt為基礎模型，引入醫生診斷經驗，提取診斷指標共同作用訓練出更加準確的模型。實驗表明，本文細胞核分類方法準確率比原模型準確率更高，另外，本發明還提供了一種更有效的擴充數據和類別細分的數據準備方法。本發明應用于醫學圖像分類領域。

技術領域

本發明涉及深度學習方法對細胞核的分類

背景技術

宮頸癌是女性的第二大殺手，其發病率和死亡率僅次于乳腺癌。癌癥只有在早發現的情況下才有被治愈的希望，在晚期發生轉移后是無法治愈的。因此早發現早診斷早治療是應對癌癥爆發的唯一途徑。目前的宮頸癌診斷主要依賴于醫生的人工閱片，工作量大、誤診率高，也無法推行大面積篩查。隨著人工智能技術的發展，近年來出現的宮頸癌細胞智能檢測方法，通過自動拍攝病理圖像，自動分析和識別癌細胞，能有效減少醫生診斷的工作量，并提高診斷準確率。但是病理自動診斷系統目前還沒有做到真正的實際應用，并且很多方法僅依靠深度學習來實現。沒有更多的考慮醫生真實診斷時的診斷經驗。這些問題給宮頸癌細胞智能檢測方法的應用帶來了很大的挑戰。

本文主要研究可以應用到實際的宮頸癌細胞智能檢測方法，有效的輔助醫生的診斷工作。只有這樣，才能夠減少醫生的閱片時間，從而防止因為醫生眼疲勞造成的誤診，并且可以幫助醫生更加精準的全盤掌握病人的細胞數據信息。近年來深度學習、計算機視覺、模式識別等技術取得突破性進展，人工智能技術在醫療影像和病理圖像領域的探索逐步深入。隨著人工智能技術的不斷發展和成熟，國家近年來亦不斷頒布鼓勵人工智能+醫療的政策制度。目前，人工智能檢測宮頸癌細胞有兩種途徑，一種是先分割細胞核再分類得到癌細胞，另一種是直接分類識別出癌細胞，其余正常細胞不考慮。這兩種方法其重要的關鍵技術為細胞分割、細胞檢測與識別。

目前，應用在醫學圖像上經典的分割方法是U-Net。并且這幾年也有不少學者對U-Net分割模型進行進一步改進。其改進主要在損失函數、添加注意力機制、跳躍鏈接這三個方向改進。還有一些分割方法如FCN、ACNet等。圖像分類的方法也有很多，最常見的如ResNet、VGG、AlexNet等方法。其中，ResNet模型現已經成為很多目標檢測網絡的骨干網絡。2019年李沐團隊在ResNet基礎網絡進一步進行改進，加入split-Attention注意力機制，提出ResNeSt網絡，在分割和分類領域都有更強的效果。

另一種直接檢測宮頸癌細胞的方法有YOLO系列方法和Mask R-CNN等。YOLO系列圖像識別主要是利用整張圖作為網絡的輸入，直接在輸出層回歸bounding box的位置及其所屬的類別的方法，是最快速的檢測方法。Mask R-CNN是一個兩階段的框架，第一個階段掃描圖像并生成提議(proposals，即有可能包含一個目標的區域)，第二階段分類提議并生成邊界框和掩碼，是一種既可以實例分割又可以物體檢測的方法。

第一種先分割再分類的方法可以全面分析病人的每一個細胞，但是效率低，檢測時間長；直接識別癌細胞方法雖然效率快、但是不能全盤把握病人的所有細胞信息，會發生漏檢等情況。所以根據醫生具體需求，本文采取先分割再分類的檢測方法，并且引入醫生的診斷經驗，將深度學習提取的特征和人工提取特征連接起來共同作用于分類模型，從而更好的分類宮頸細胞，因此本發明中的方法的提出具有重要意義。

發明內容

本發明的目的是為了解決醫生診斷準確率低、主觀性強、以及診斷耗時長的問題，從而做到智能化快速準確的檢測出癌細胞。本發明共分為四個階段：數據準備、細胞核分割、細胞核分類、癌細胞篩查。首先利用改進的U-Net分割方法檢測細胞核，然后對檢測出的細胞核進行分類，最后根據醫生經驗并結合各個類別的特點，對細胞類別進行癌細胞的篩選，總流程如圖1所示。