[發(fā)明專利]基于深度學(xué)習(xí)的腦膠質(zhì)瘤熒光圖像分析方法、系統(tǒng)及設(shè)備

有效

• 申請?zhí)枺?/td>: 202110229903.7
• 申請日: 2021-03-02
• 公開（公告）號: CN112950587B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計）人: 田捷;胡振華;沈碧螺;史小靜;曹財廣
• 申請（專利權(quán)）人: 中國科學(xué)院自動化研究所
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/764;G06V10/82;G06N3/0464;G06N3/082;G06N3/084
• 代理公司: 北京市恒有知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發(fā)明屬于圖像分析領(lǐng)域，具體涉及了一種基于深度學(xué)習(xí)的腦膠質(zhì)瘤熒光圖像分析方法、系統(tǒng)和設(shè)備，旨在解決現(xiàn)有的圖像分析方法難以快速識別出手術(shù)中的腫瘤組織，難以輔助醫(yī)生完成精準(zhǔn)切除的問題。本發(fā)明包括：獲取標(biāo)本熒光圖像作為待測圖像，通過訓(xùn)練好的基于深度學(xué)習(xí)的腦膠質(zhì)瘤熒光圖像識別網(wǎng)絡(luò)獲得待測圖像類別，將類別為腫瘤組織的待測圖像通過腫瘤分級網(wǎng)絡(luò)獲得待測圖像的腫瘤等級，通過Ki?67表達水平識別網(wǎng)絡(luò)獲得待測圖像的Ki?67表達水平；其中腦膠質(zhì)瘤圖像識別網(wǎng)絡(luò)基于EfficientNet卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建并通過二分類交叉熵?fù)p失函數(shù)訓(xùn)練。本發(fā)明實現(xiàn)了在手術(shù)中實時識別腦膠質(zhì)瘤標(biāo)本，輔助醫(yī)生完成精準(zhǔn)切除，同時提供分級和基因信息，幫助醫(yī)生判斷病人預(yù)后。

背景技術(shù)

腦膠質(zhì)瘤占成人原發(fā)性惡性腦腫瘤的75％。這些腦腫瘤患者中超過一半是最致命的膠質(zhì)母細(xì)胞瘤，平均總生存期只有14.6個月。雖然對于腦膠質(zhì)瘤患者已經(jīng)存在多種先進治療方法，但神經(jīng)外科手術(shù)仍然是主要的治療方式，在提高生存率方面發(fā)揮著重要作用。

目前，可見光下的顯微手術(shù)是神經(jīng)外科臨床最常用的手術(shù)方法。但由于神經(jīng)外科醫(yī)生很難清楚地識別膠質(zhì)瘤的邊界，所以很容易導(dǎo)致腫瘤殘留和早期復(fù)發(fā)的問題。因此，在手術(shù)中對組織標(biāo)本進行快速、準(zhǔn)確的診斷至關(guān)重要。術(shù)中應(yīng)用蘇木精-伊紅(HE)染色法對冰凍組織切片進行病理檢查是一種常規(guī)而可靠的診斷方法，但它通常需要耗費很長時間(至少20-30分鐘)，并且通過復(fù)雜的步驟才能獲得病理結(jié)果。此外，基于這種方法在手術(shù)中冷凍數(shù)十個或數(shù)百個標(biāo)本是不現(xiàn)實的，這在一定程度上限制了它在腫瘤術(shù)中實時診斷尤其是多個組織標(biāo)本中的應(yīng)用。

熒光成像的發(fā)展使實時成像引導(dǎo)手術(shù)成為可能，這大大提高了高級別膠質(zhì)瘤的完全切除率。吲哚青綠是一種安全、經(jīng)濟的近紅外熒光顯像劑，已在臨床上用于腦膠質(zhì)瘤手術(shù)，并表現(xiàn)出較高的靈敏度和一定的特異性。

在過去的幾年里，人工智能技術(shù)如深度卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)被發(fā)展用于進行醫(yī)學(xué)圖像的分類，并且表現(xiàn)出良好的效果。通過與常規(guī)的影像學(xué)技術(shù)如磁共振成像等相結(jié)合，深度神經(jīng)網(wǎng)絡(luò)也被用于膠質(zhì)瘤的治療和診斷，例如提供分級和基因信息，自動化術(shù)后病理診斷，或幫助確定預(yù)后和指導(dǎo)治療。然而，這些技術(shù)與方法主要集中在術(shù)前和術(shù)后影像，很少有應(yīng)用到術(shù)中，在手術(shù)時進行膠質(zhì)瘤的快速診斷。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中的上述問題，即現(xiàn)有的技術(shù)無法快速準(zhǔn)確地識別出腫瘤的組織，難以實際運用到術(shù)中，本發(fā)明提供了一種基于深度學(xué)習(xí)的腦膠質(zhì)瘤熒光圖像分析方法。本發(fā)明基于的圖像為可在術(shù)中實時、高通量采集的腦膠質(zhì)瘤標(biāo)本熒光圖像，同時由于術(shù)中采集的熒光圖像本身具有分辨率小、噪聲高的特點，本發(fā)明提出了使用適用于熒光圖像的數(shù)據(jù)預(yù)處理方法來擴增訓(xùn)練樣本，并使用了余弦退火策略來進行網(wǎng)絡(luò)訓(xùn)練。為了滿足術(shù)中實時處理的需求，使用了基于EfficientNet的高效神經(jīng)網(wǎng)絡(luò)架構(gòu)，在保證識別準(zhǔn)確率的同時，盡可能地提高圖像處理速度。本發(fā)明的具體步驟包括：

步驟S100，獲取標(biāo)本熒光圖像，作為待測圖像；

步驟S200，基于所述待測圖像，通過訓(xùn)練好的基于深度學(xué)習(xí)的腦膠質(zhì)瘤熒光圖像識別網(wǎng)絡(luò)，獲得待測圖像類別；其中，待測圖像類別包括正常組織和腫瘤組織；

步驟S300，基于類別為腫瘤組織的待測圖像，通過訓(xùn)練好的基于深度學(xué)習(xí)的腫瘤分級網(wǎng)絡(luò)獲得待測圖像的腫瘤等級；通過訓(xùn)練好的基于深度學(xué)習(xí)的Ki-67表達水平識別網(wǎng)絡(luò)獲得待測圖像的Ki-67表達水平。

進一步地，所述基于深度學(xué)習(xí)的腦膠質(zhì)瘤熒光圖像識別網(wǎng)絡(luò)、基于深度學(xué)習(xí)的腫瘤分級網(wǎng)絡(luò)和基于深度學(xué)習(xí)的Ki-67表達水平識別網(wǎng)絡(luò)，基于EfficientNet卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建；所述EfficientNet卷積神經(jīng)網(wǎng)絡(luò)包括順次連接的輸入層、特征提取層和預(yù)測層；其中，特征提取層包括順次連接的1個Stem模塊和n個結(jié)構(gòu)相同特征數(shù)不同的MBConv模塊；所述Stem模塊為1個卷積核為3×3的卷積層；所述MBConv模塊為逆瓶頸結(jié)構(gòu)，包括順次連接的卷積核為1×1的卷積層、包含注意力模塊的卷積核為3×3的通道可分卷積和1個卷積核為1×1的卷積，其中3x3卷積的特征數(shù)大于1x1卷積的特征數(shù)。