[發明專利]基于人工智能的胃內窺活檢拉曼圖像輔助診斷方法和系統

在審

• 申請號: 202110613183.4
• 申請日: 2021-06-02
• 公開（公告）號: CN113539476A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 季敏標;劉至杰;胡皓;敖建鵬;周平紅
• 申請（專利權）人: 復旦大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H30/00;G06T7/00;G06T7/11;G06K9/62
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;陸尤

本發明屬于醫療設備技術領域，具體為一種基于人工智能的胃內窺活檢拉曼圖像輔助診斷方法和系統。本發明首次把人工智能技術用于胃鏡受激拉曼散射內窺活檢組織圖像輔助診斷中，利用受激拉曼散射顯微成像技術獲取組織病理學圖像信息后，采用基于深度學習神經網絡及機器學習的圖像分類和影像組學數據分析，構建胃內窺活檢拉曼圖像輔助診斷系統；本發明系統包括胃組織拉曼圖像數據預處理模塊、包含神經網絡模型及其訓練的算法模塊、神經網絡微調模塊、測試模塊；相比于現在傳統內鏡診療系統，其優點體現在：實現內鏡檢查過程中的實時、快速、智能診斷支持，而無需病理學家進行解釋。

技術領域

本發明屬于醫療設備技術領域，具體涉及一種基于人工智能的胃內窺活檢拉曼圖像輔助診斷方法和系統。

背景技術

胃癌是影響人類健康的重大疾病。據全國腫瘤登記中心最新年報顯示，胃癌每年新發病人數超68萬人，死亡約50萬人，現已成為我國第二大致死性腫瘤。胃癌防控的關鍵在于早診早治。及時發現早癌，延緩和逆轉癌前病變可有效降低胃癌的發生率和病死率。胃早癌和癌前病變單靠內鏡觀察形態不能確診，當前必須依靠病理組織檢查，即采用“內鏡+活檢”模式。然而該模式具有明顯的時間滯后性和主觀性，與當前醫療服務需求已不相適應。對于醫生，無法在內鏡檢查的同時得到病理診斷結果，無法為患者提供快速診療服務和治療指導；對于患者，二次就診、排隊、掛號，增加經濟花費和時間成本。同時，病理診斷嚴重依賴病理醫生診斷水平，主觀性強。對于早癌這類疑難病診斷，對診斷醫師技術要求很高。因此，建立可比擬病理金標準的胃癌的實時快速診斷系統，創新與快速檢查相稱的診斷方法，對于變革當前胃癌內鏡診斷模式具有重大科學意義和現實需求。

當前胃癌內鏡診斷模式由于胃癌及癌前病變缺乏明顯的形態特征，單靠內鏡下表現無法明確，必須依靠組織病理診斷。而后者需要經歷脫水、包埋、切片、染色、閱片等多個步驟，具有明顯的時間滯后性。但是由于胃癌及癌前病變缺乏明顯的形態特征，單靠內鏡下表現無法明確，必須依靠組織病理診斷。而后者需要經歷脫水、包埋、切片、染色、閱片等多個步驟，具有明顯的時間滯后性。在大型醫院、病理報告往往要在內鏡檢查數日后才可取得，內鏡醫生無法實現在內鏡檢查的同時實現病變的快速診斷，從而無法給患者提供即時的診療建議。

隨著機器學習理論發展和GPU技術突破，特別是神經網絡取得的進步，人工智能近些年得到了飛速的發展極大地節約人力、提高工作效率和準確率。通過多重非線性變換構成的多層神經網絡結構對數據進行高層抽象，并通過含有多層感知器通過組合低層特征形成更加抽象的高層表示屬性類別或特征，人工智能可以模仿一定的人腦處理機制，特別是對復雜圖像和甄別和細微特征的提取。比如我們熟知的“證件識別”“號牌識別”“人臉識別”等。

近兩年，AI在醫療診斷領域的潛力愈加受到重視。2016年，Google與加州大學合作在醫學頂級期刊《JAMA》發表結果，通過13萬張視網膜照片的訓練，使AI學會自動檢測糖尿病視網膜病變和視網膜黃斑水腫。其識別病變的特異性和靈敏度與眼科專家不相上下。前不久，斯坦福大學在《Nature》上發表了利用深度學習算法診斷皮膚癌的研究報告，利用深度學習算法診斷皮膚癌。結果表明AI 在皮膚癌診斷方面特異性和靈敏度甚至高于醫學專家，診斷準確度可達91%。前期，項目團隊成員利用深度學習及遷移學習方法已在乳腺癌鉬靶智能診斷上實現了準確率85%，遷移學習準確率87.5%的初步研究成果。同時，團隊成員采用CNN網絡實現了對多種微小隱匿物的檢測，準確率達到95.6%，recall達到0.976，F-measure達到0.969，以上研究結果為受激拉曼圖像的分析和智能識別提供了方法基礎。

由于拉曼成像的圖片和光譜數據較為復雜且無成熟大樣本的數據積累和總結，臨床解讀十分困難。臨床醫生“看不懂”成為當前阻礙拉曼技術臨床推進的主要原因。因此，利用人工智能技術和大數據分析總結，將有助于轉化拉曼結果為醫生可“讀懂”的診斷結論，也是推動拉曼技術和人工智能技術服務于臨床的關鍵。

發明內容

本發明的目的在于為胃癌內鏡診斷提供一種實時、快速的胃內窺活檢拉曼圖像輔助診斷方法和系統。