[發明專利]用于胸腹水細胞分類模型的訓練方法和乳腺癌預測的系統

在審

• 申請號: 202210107350.2
• 申請日: 2022-01-28
• 公開（公告）號: CN114445680A
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 陳宏強
• 申請（專利權）人: 天津凌視科技有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/82;G06V20/69;G06T7/00;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 張貴東

用于胸腹水細胞分類模型的訓練方法和用于乳腺癌預測的系統。該用于乳腺癌預測的系統包括：圖像獲取部件，被配置為響應于胸腹水樣本液體流過流式細胞顯微成像裝置的流式管道，獲取所述胸腹水樣本液體中微粒的樣本圖像集合；分類部件，被配置為接收所述樣本圖像集合作為輸入樣本圖像集合，并基于訓練完成的胸腹水細胞分類模型獲得所述輸入樣本圖像集合中的每一個輸入樣本圖像的分類結果；分類結果統計部件，被配置為對所述輸入樣本圖像集合中的所有輸入樣本圖像的分類結果進行統計分析，以確定所述胸腹水樣本液體是否為乳腺癌陽性；以及診斷部件，被配置為基于所述胸腹水樣本液體是否為乳腺癌陽性的確定進行乳腺癌的預測。

技術領域

本申請涉及人工智能領域，具體涉及一種無需人工標注的用于胸腹水細胞分類模型的訓練方法和用于乳腺癌預測的系統。

背景技術

據國際癌癥研究機構的調查數據顯示，在全球女性癌癥的發病人數中，有四分之一是乳腺癌。并且乳腺癌在我國發病率逐年上升，雖然出現了新的治療策略和治療方法，讓乳腺癌的死亡率逐步下降，但是乳腺癌的篩查方法仍然不太準確，十分依賴于醫生的經驗，需要耗費病理科昂貴的醫療資源。

目前針對乳腺癌診斷提出了若干方法。臨床乳腺檢查(clinicalbreastexamination，CBE)簡便、易行，可重復性強，從目前的研究來看，單用CBE作為篩查發現早期乳腺癌的比例仍較低，但其提供了一個讓女性警惕乳腺癌發生的機會，如乳腺癌的危險因素、遺傳問題、新的診斷方法等信息，從而收到間接的效果。但敏感度低，受主觀因素影響較大。MAM是目前診斷乳腺癌首選的影像學檢查方法，能夠清晰顯示微鈣化，而微鈣化是除腫物、結構扭曲之外診斷乳腺癌的另一重要征象，有時甚至是唯一征象，30％～50％乳腺癌早期X線片可見細顆粒鈣化集簇的表現，鈣化集簇與癌灶關系密切。雖然MAM篩查能夠降低乳腺癌死亡率，但是它也有一定的局限性，特別是其不可能發現所有的乳腺癌病例，其發現的乳腺癌仍可能預后不良。乳腺磁共振成像(breastMRI)技術具有極好的軟組織分辨力和無輻射等特點，對乳腺檢查具有獨到的優勢。但由于缺乏設計良好的臨床試驗，術前進行乳腺MR檢查的長期臨床效果還不十分清楚，目前還沒有確切數據支持乳腺MR檢查能減少乳腺癌手術的數量或改變手術方式，其術后生存情況及腫瘤復發情況等也尚不清楚。數字乳腺斷層合成技術(digitalbreasttomosynthesis，DBT)是一項基于平板探測器技術的高級應用，是在傳統體層攝影原理的基礎上結合數字影像處理技術開發的新型體層成像技術。特點是輻射劑量小，可獲得任意層面影像，可進一步處理顯示三維信息，有更高的敏感度和特異度，可降低復檢率，但DBT目前臨床經驗尚不足。計算機輔助診斷系統(computeraideddetection，CAD)運用計算機相關軟件對數字化的影像進行去噪和特征增強，從而提取有診斷價值的特征。醫師讀片結合CAD診斷，可提高乳腺癌的檢出率，特別是對直徑1cm的病灶，但CAD的假陽性率較高。

細胞識別與分類問題一直以來都是醫療檢測判斷、藥物開發研究以及環境檢測等領域的研究重點。流式細胞儀檢測速度快，可以高達上千個細胞每秒，但其檢測得到的信息維度少，無法通過細胞體積形態等高維度信息來對細胞進行分類，因此精度不高，通常只能用作定量分析，常用于細胞的初篩。顯微鏡檢可以觀察到細胞的圖像但是需要經過染色制片等流程，耗時長，且觀察細胞一般靠人為的識別，極耗人力，因此染色制片的觀察方法一般作為最后的觀察判別細胞方法，檢測樣本少，無法大規模檢測。

隨著近些年來，以卷積神經網絡為代表的相關深度學習技術的發展，越來越多的深度學習方法也被用于輔助醫學檢驗和病理診斷，但是大多數方法都需要依賴龐大的標記數據庫，而訓練集的標注又需要昂貴的成本。

因此，期望提出一種既能獲得細胞圖像，又能在節約標注成本的情況下準確地提供細胞群體的統計數據的改進的方法。

發明內容

考慮到以上問題而做出了本公開。本公開的一個目的是提供一種無需人工標注的用于胸腹水細胞分類模型的訓練方法和用于乳腺癌預測的系統以及相應的裝置、電子設備和計算機可讀存儲介質。