[發明專利]基于計算機視覺的病理圖像識別方法

在審

• 申請號: 202110615295.3
• 申請日: 2021-06-02
• 公開（公告）號: CN113689376A
• 公開（公告）日: 2021-11-23
• 發明（設計）人: 王艷霞
• 申請（專利權）人: 北京信息職業技術學院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京維知知識產權代理事務所(特殊普通合伙) 11503
• 代理人: 佛新瑜

本公開揭示了一種基于計算機視覺的病理圖像識別方法，該方法包括：獲取數字病理切片樣本，構造訓練集；構建卷積神經網絡，并以所述訓練集對所述卷積神經網絡進行訓練；從訓練后的卷積神經網絡的所述第一卷積層和所述第二卷積層中至少提取一個卷積層；確定所述卷積核矩陣中每個卷積核的權重，將所述卷積過濾器中每個卷積過濾器中的每個卷積核的權重求和以確定每個卷積過濾器的深度；將每個卷積過濾器的深度與一閾值比較，移除低于閾值的卷積過濾器；依據被移除的卷積過濾器，對所述卷積神經網絡進行剪枝；對經過剪枝的卷積神經網絡進行重新訓練。該方法基于卷積神經網絡，且相對于目前常規的病理切片識別算法來說可以較大程度提高識別效率。

技術領域

本發明涉及一種圖像識別方法，特別是涉及一種基于計算機視覺的病理圖像識別方法。

背景技術

組織病理學是指病理醫生在顯微鏡下觀察研究組織切片的科學，被認為是臨床上腫瘤診斷的金標準(Nature，2017)。組織病理學的研究對象是組織切片，通常是手術或活檢中收集的組織樣品，通過固定、包埋、切片和染色等步驟制成幾微米厚的薄片組織，附著于載玻片上。病理醫生通過顯微鏡觀察這些切片，對病理圖像進行分析，從而作出診斷。病理圖像分析是一項復雜且繁重的工作，費時費力，不同病理醫生對同一病理圖像的診斷存在分歧，且經驗豐富的病理學專家較為稀缺。針對上述情況，需將計算機視覺應用于病理圖像診斷的分類、分割、特征識別和細胞計數等。

最近十幾年來，隨著圖像數字化和數字存儲技術的快速發展，病理組織切片制作全數字化圖像成為可能。因此，普遍認為，病理組織切片的數字化將會是病理學發展過程中的重要轉折點。數字化的病理組織切片可以使得閱片者不通過顯微鏡而直接在計算機上閱讀數字病理組織切片。而且，全片數字化圖像(whole slide images，WSI)出現，使病理組織切片的保存、傳輸也更加方便和安全。但由于數字病理組織切片的制作首先需要經過組織染色，隨后通過顯微相機數字化為數字病理切片。這導致最初的數字切片質量受制于成像領域硬件發展，因此早期的普及度并不高。但是隨著近些年全球科技領域相關技術的長足發展，越來越多的高精度成像設備已廣泛應用。這大大推動了數字病理組織切片的發展，醫生借助高精度的數字病理組織切片，已可非常方便的做出相對準確的判斷。而且，隨著人工智能技術走進病理分析領域，病理圖像分析不再局限于傳統的定性分析，逐漸向定量分析過渡。定性分析是對切片性質特點的一種概括，并沒有形成量化指標，因此定性分析的結果不可復現，且受主觀因素影響較大。而定量分析是指依據統計數據，建立數學模型，從而計算出與病變相關的各項指標，如有絲分裂數目、腫瘤的實質與間質的比例、黏液湖和癌細胞的比例等定量化指標；并根據定量指標給出病理診斷，其診斷結果更加客觀。因此，病理醫生也越來越認識到定量分析的重要性。

根據有關媒體報道，來自百度、谷歌、谷歌大腦與Verily公司的科學家們開發出一款能用來診斷乳腺癌的人工智能，它的表現甚至超過了專業的病理學家。以百度研究院發表的全新病理切片分析算法為例，該算法公開的腫瘤定位FROC分數可以達到0.8096，,而人類病理學家的平均成績是0.8074，可以看到，這個算法事實上超過了專業病理醫生的水平。但同時，也有國內部分專家指出，人工智能在腫瘤病理診斷領域的優異表現，并不能代表著人工智能會逐漸替代病理醫生。理由是，針對一個病理圖像，人工智能算法能夠幫助病理醫生提供幾個意向性的可能作為參考，是比較現實的，這已經很不容易，只關注特定實例的準確性數值，而忽略這一準確率實際上來源于大量的臨床數據來訓練這個機器，是不全面的。換句話說，針對計算機視覺研究機構來說，其臨床數據量，實際的醫療機構的數據量，存在著數量級以上的差距，因此，特定機構針對特定實例，制定的特定算法，再重復的訓練后，可以達到非常高的準確率，這毋庸置疑。但是，實際臨床中，腫瘤的形態往往具有遠超出算法訓練集的復雜性，因此這注定了實驗室算法無論做到何種精準的程度，現階段仍只能將其定位在輔助診斷的范疇。