[發明專利]量化食管粘膜IPCLs血管形態分布的深度檢測網絡

有效

• 申請號: 202011263459.2
• 申請日: 2020-11-12
• 公開（公告）號: CN112419246B
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 鐘蕓詩;顏波;蔡世倫;譚偉敏;王沛晟;李吉春;阿依木克地斯·亞力孔
• 申請（專利權）人: 復旦大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T3/40;G06N3/08;G06N3/04
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;陸尤

本發明屬于醫學圖像處理技術領域，具體為一種量化食管粘膜IPCLs血管形態分布的深度檢測網絡。本發明包括特征提取網絡和特征金字塔、區域候選網絡、興趣區域池化與聚簇分布先驗自嵌入的癌灶分類網絡、在窄帶成像內鏡圖像上進行可視化的系統。特征提取網絡提取輸入圖像的特征圖；特征金字塔將不同尺度的特征相融合；區域候選網絡提出可能的病灶區域；對興趣區域池化將特征池化到可疑病灶區域；聚簇分布先驗自嵌入的癌灶分類網絡對癌灶進行分類；最后在窄帶成像內鏡圖像上進行可視化，使用不同的顏色對癌灶進行框選標記。本發明對圖像中存在的早期食管鱗癌的癌灶進行檢測與診斷，可有效提升診斷效率，輔助醫生獲取更高的診斷精度。

技術領域

本發明屬于醫學圖像處理技術領域，具體涉及一種量化食管粘膜IPCLs血管形態分布的深度檢測網絡。

背景技術

食管癌和胃癌預后較差，5年相對生存率分別為20.9％和27.4％，給衛生醫療帶來嚴重負擔^[11,13-14]。規范的上消化道癌癥篩查、治療、隨訪是降低癌癥發病率和死亡率的有效手段。其中窄帶成像內鏡篩查是發現上消化道癌癥的首選手段。窄帶成像內鏡下食管粘膜病變的病理類型、浸潤深度判斷主要依據其特有的上皮乳頭內毛細血管袢(intrapapillary capillary loops，IPCLs)血管形態。

根據Inoue和Arima提出的分型標準^[15]，一般可將血管分為A、B1、B2和B3四種類型。其中A型指觀察到非異常血管；B1型指觀察到襻狀異常血管，血管擴張，形態呈蛇形，口徑不同、形狀不均一，直徑為20-30微米，其浸潤深度為M1-M2層；B2型指觀察到非襻狀血管，血管形態呈不規則樹枝狀或多重狀，其浸潤深度為M3-SM1層；B3型指觀察到粗大的綠色血管，血管高度擴張，其浸潤深度為SM2層。

IPCL血管的類型、數量、分布對臨床上的治療決策有著重要的指導作用。例如提示浸潤深度較深的IPCL出現大量的聚集，可能提示食管病變進入了中晚期，不適合微創治療，甚至不適合手術治療；相反，如果浸潤深度較深的IPCL分布零散，則病人可能還有手術的機會。

在臨床上，IPCL的觀察受人為主觀因素的影響很大，因為不同于常規的胃腸鏡成像方式，IPCL的觀察需要在NBI模式下，使用放大胃鏡對病變的表面進行10-50倍的放大。與顯微鏡的原理相同，在放大模式下醫生將會得到一種接近于200個細微結構/視野的圖像。在這種情況下臨床醫生需要對所有結構都進行觀察，極其容易產生視覺上的疲勞，再加上臨床經驗的不足，在針對5-10個視野進行觀察后，臨床醫生往往只記住了印象特別深刻的部位“參考墨菲定律”，缺乏一個客觀的、可量化的概念，容易造成對病情的誤判，造成醫療決策的錯誤。

本項研究能使臨床醫生擺脫主觀因素(大量精細觀察造成的疲勞、疏漏、經驗不足等)影響，只需要對病灶進行放大操作，通過計算機分析，得到針對所有視野的IPCL預測，包括各類型血管的數量、比例、聚集情況，能幫助醫生對病灶進行更準確的判斷。

深度卷積神經網絡是一種機器學習技術，可以有效避免人為因素，自動從有標記的大量數據中學習如何提取豐富的具有代表性的視覺特征。該技術使用反向傳播優化算法，讓機器更新其內部參數，學習輸入圖像到標簽的映射關系。近年來，深度卷積神經網絡大大提高了計算機視覺中各項任務的性能。

2012年，Krizhevsky等人^[1]首次在ImageNet^[2]圖像分類比賽中應用深度卷積神經網絡，并以15.3％的Top-5錯誤率獲得冠軍，引起了深度學習的熱潮。2015年，Simonyan等人^[3]提出了16和19層的神經網絡VGG-16和VGG-19，增加了網絡的參數量，進一步提升了ImageNet圖像分類任務的結果。2016年，He等人^[4]使用152層的殘差網絡ResNet取得了超過了人眼的分類效果。