[發明專利]一種基于深度學習的口腔上皮異常增生判別與分級設備及系統

在審

• 申請號: 202110314894.1
• 申請日: 2021-03-24
• 公開（公告）號: CN113095376A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 曾昕;陳謙明;徐浩;彭嘉寬;羅小波;王冏珂;但紅霞
• 申請（專利權）人: 四川大學;浙江大學醫學院附屬口腔醫院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都高遠知識產權代理事務所(普通合伙) 51222
• 代理人: 張娟;鄭勇力

本發明屬于口腔黏膜疾病診斷技術領域，具體涉及一種基于深度學習的口腔上皮異常增生判別與分級系統。本發明的系統包括計算機設備和用于采集OPMD的組織芯片和/或病理切片圖像的裝置。所述計算機設備用于口腔上皮異常增生的判別和/或分級，其處理器執行程序時實現以下步驟：(1)對OPMD的組織芯片或病理切片的圖像進行預處理；(2)將預處理后的圖像輸入神經網絡模型，經過模型分類后，輸出口腔上皮異常增生的判別和/或分級結果。本發明方法對口腔上皮異常增生判別與分級準確度高，且可直觀顯示目標區域在切片中的位置，能夠降低病理醫生的工作強度，降低漏診或誤診的可能性，提高口腔醫師的診療水平。具有成為OPMD輔助診斷手段的潛力。

技術領域

本發明屬于口腔黏膜疾病診斷技術領域，具體涉及一種基于深度學習的口腔上皮異常增生判別與分級系統。

背景技術

口腔上皮異常增生(oral epithelial dysplasia,OED)是口腔黏膜潛在惡性疾患(oral potentially malignant disorder,OPMD)組織活檢的重要參考指標，是OPMD癌變風險預測的關鍵指標。根據世界衛生組織的定義，OED通常分為輕度上皮異常增生、中度上皮異常增生、重度上皮異常增生三個等級，有OED的組織比單純增生的口腔黏膜上皮組織有更高的癌變風險，且異常增生程度的提升預示著癌變風險的增加。

目前，OED的判別和分級取決于病理醫生對活檢組織的人工閱片，工作量大，耗時較長，且結果受主觀因素影響較大。OPMD患者中OED的早期診斷和分級變得至關重要，隨著對精準醫學需求的高漲，亟需更加客觀的OED判別與分級方法以輔助診斷。

近年來，隨著算法科學的發展和計算力的提高，深度學習在癌癥病理切片圖像識別上的應用取得了長足的進步(Nature medicine，2018 24(10):1559-1567；PLOSMedicine，2019 16(1):e1002730；The Lancet，2020 395(10221):350-360)，其中神經網絡算法是最常用，也是表現最突出的方法。

現有的這些癌癥病理切片圖像識別方法均針對某一種特定的癌癥組織的病理切片進行構建。例如，中國發明專利申請“CN201811407164.0基于深度學習的乳腺癌病理切片中癌癥區域的檢測方法”公開了一種利用卷積神經網絡進行的乳腺癌病例切片的分類方法，能夠將乳腺癌分為正常組織、良性、原位癌和浸潤癌。然而，在人工智能的圖像識別技術中，針對特定識別對象的識別準確率通常與算法、圖像的大小、圖像的放大倍數有很大關系。由于不同病理組織的外觀差別很大，基于上述原因，這些針對其他病理切片構建的方法并不能夠直接用于OED的判別和分級，即使進行直接應用，其判斷結果的準確性很差。因此，有必要針對OED的判別和分級建立一種新的病理切片圖像識別方法。

發明內容

針對現有技術中的缺陷，本發明提供一種基于深度學習的口腔上皮異常增生判別與分級系統，其目的在于：對現有的神經網絡模型進行改進和優選，使其能夠用于對口腔上皮異常增生進行判別和/或分級。

一種計算機設備，用于口腔上皮異常增生的判別和/或分級，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現以下步驟，包括：

(1)對口腔黏膜潛在惡性疾患的組織芯片或病理切片的圖像進行預處理，得到224-512像素、10-20倍放大的圖塊；

(2)將預處理后的圖像輸入基于深度學習建立的神經網絡模型，經過模型分類后，輸出口腔上皮異常增生的判別和/或分級結果。

優選的，步驟(1)中，得到224像素、20倍放大的圖塊。

優選的，步驟(1)中，所述預處理的過程包括如下步驟：

(1.1)將所述圖像切割為所述圖塊；

(1.2)將步驟(1.1)得到的所有圖塊中背景多于50％的圖塊舍棄。