[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)模型的聲帶白斑輔助診斷系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110084511.6
• 申請日: 2021-01-21
• 公開（公告）號: CN112734749A
• 公開（公告）日: 2021-04-30
• 發(fā)明（設(shè)計）人: 羅佳偉;胡娟娟;任佳;蘭藍;周小波;楊慧
• 申請（專利權(quán)）人: 四川大學華西醫(yī)院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10
• 代理公司: 成都高遠知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 51222
• 代理人: 李安霞;謝一平

本發(fā)明提供了一種基于卷積神經(jīng)網(wǎng)絡(luò)模型的聲帶白斑輔助診斷系統(tǒng)，它包括下述過程：讀取內(nèi)窺鏡聲帶白斑圖像；建立兩階段的神經(jīng)網(wǎng)絡(luò)模型,自動學習分割與分類圖像；生成包括診斷或診斷建議的報告的軟件模塊。本發(fā)明提供的基于卷積神經(jīng)網(wǎng)絡(luò)模型的聲帶白斑輔助診斷系統(tǒng)，對二分類的白斑的高敏感性和特異性，能夠正確檢測大多數(shù)病變。本發(fā)明是將病理診斷和臨床決策結(jié)合起來進行了分組訓練，這使得評估更為現(xiàn)實，并且有利于將來的臨床推廣。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)模型的聲帶白斑輔助診斷系統(tǒng)，具體地，涉及一種基于內(nèi)窺鏡視頻圖像的聲帶白斑智能分割與分類算法，屬于醫(yī)療影像分析領(lǐng)域。

背景技術(shù)

聲帶白斑是一種臨床指標，沒有考慮其組織學特征和預后。在聲帶上呈現(xiàn)白色斑塊或斑塊的肉眼檢查在很大程度上是相同的，而病理學分類可能呈現(xiàn)各種類型。病理上，聲帶白斑可伴有單純性增生，不典型增生，甚至癌變。因此，它被認為是喉上皮向惡性轉(zhuǎn)化的光譜范圍內(nèi)的癌前病變。

喉癌通常會先于不典型增生。聲帶白斑的惡變率與增生程度成正比，且差異很大，估計低至1.7％，高至46.3％。聲帶白斑的早期診斷和治療可預防進展和惡性腫瘤。2017年世界衛(wèi)生組織的頭頸腫瘤分類提出了一個兩級系統(tǒng)，其組織病理學標準相當明確：低級(LG)包括鱗狀增生和輕度不典型增生，高等級(HG)包括中度和重度不典型增生和癌。因此，一些耳鼻喉科醫(yī)師提出，LG組低風險的聲帶白斑患者通常需要采取保守治療或觀望政策，而HG組和聲帶白斑浸潤性癌需要手術(shù)治療或密切隨訪以監(jiān)測可能進展為更具侵略性的病理。臨床上，處理聲帶白斑的一個挑戰(zhàn)是評估病變的潛在惡性轉(zhuǎn)化，從而建立最佳的治療方案。

喉鏡檢查是診斷聲帶白斑最重要的檢查方法。迄今為止，未經(jīng)活檢，僅憑喉鏡檢查無法確定聲帶白斑的程度或范圍。因此，一些耳鼻喉科醫(yī)生和病理學家推薦喉鏡結(jié)合隨機的3點活檢標本進行早期檢測和隨訪，但是這種方法是侵入性的，費時的并且難以遵守。此外，喉鏡下的術(shù)前活檢不太可能完全符合術(shù)后病理結(jié)果，即使對于有經(jīng)驗的內(nèi)鏡醫(yī)師，這通常也會導致過度治療或治療不足。臨床實踐中的另一個挑戰(zhàn)是，并非所有聲帶白斑的病例都需要進行組織學檢查的喉鏡檢查，而且很難確定哪些病例需要進行活檢。

由于存在這些爭議和不確定性，可能需要采用新技術(shù)進一步改善聲帶白斑的檢測對于臨床管理非常重要。目前，除了白光檢查外，圖像內(nèi)窺鏡檢查(IEE)，例如接觸式內(nèi)窺鏡檢查(CE)和窄帶成像(NBI)，已被用于準確診斷喉部病變。但是，觀察程序本身是耗時的過程，并且觀察者之間可能會有所不同。

令人鼓舞的是，結(jié)合了深度學習(DL)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)的人工智能(AI)出現(xiàn)了，并在胃腸道癌的檢測中顯示了令人鼓舞的結(jié)果。此外，一項單機構(gòu)研究表明，用于檢測咽癌的AI系統(tǒng)具有令人鼓舞的性能，高靈敏度和可接受的特異性。然而，尚無研究報道將AI用于聲帶白斑的病理分級和范圍評估。因此，開發(fā)了一種使用最新的DL與CNN并以病理診斷為金標準的AI系統(tǒng)，以驗證其在預測病理分級和定義聲帶白斑病變程度方面的實用性。但是依然存在以下問題：

1.現(xiàn)有的深度學習方法在處理內(nèi)窺鏡聲帶白斑圖像時，對于小目標的識別存在困難；

2.目前的方法沒有把聲帶白斑的分割和分類集成在一個模型中，對于良惡性的分類仍然需要人工參與。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明提供了一種基于卷積神經(jīng)網(wǎng)絡(luò)模型的聲帶白斑輔助診斷系統(tǒng)。

本發(fā)明提供了一種基于卷積神經(jīng)網(wǎng)絡(luò)模型的聲帶白斑輔助診斷系統(tǒng)，它包括下述過程：

讀取內(nèi)窺鏡聲帶白斑圖像；

建立兩階段的神經(jīng)網(wǎng)絡(luò)模型,自動學習分割與分類；

生成包括診斷或診斷建議的報告的軟件模塊。

其中，所述的兩階段的神經(jīng)網(wǎng)絡(luò)模型，由區(qū)域建議網(wǎng)絡(luò)RPN，基于區(qū)域的分類子網(wǎng)絡(luò)和語義分割子網(wǎng)絡(luò)組成。