申请/专利权人：中南大学湘雅医院

申请日：2021-04-09

公开（公告）日：2024-04-05

公开（公告）号：CN113053521B

主分类号：G16H50/20

分类号：G16H50/20;G16H50/50;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.07.16#实质审查的生效;2021.06.29#公开

摘要：基于深度学习的头颈鳞癌淋巴结转移癌诊断辅助识别系统，包括：图像扫描导入子系统、图像鉴别评估子系统、诊断辅助模型自主修正子系统和结果输出模块；图像鉴别评估子系统，包括组织区域识别模型、转移癌区域判别模型；所述组织区域识别模型，为利用图像分割算法去除图像的背景区域，获得组织区域；所述转移癌区域判别模型，为用基于深度学习算法构建的二次诊断模型对组织区域进行分割诊断，在结果输出模块中对淋巴结整体潜在的癌灶区域进行标注性诊断。本发明通过深度学习算法构建二次诊断模型对淋巴结全切片进行识别，筛选出癌灶可能区域，减少病理科医生阅片时间，提高诊断效率，同时该诊断模型还有自主修正和更新能力。

主权项：1.基于深度学习的头颈鳞癌淋巴结转移癌诊断辅助识别系统，其特征在于，包括：图像扫描导入子系统、图像鉴别评估子系统、诊断辅助模型自主修正子系统和结果输出模块；所述图像扫描导入子系统，为通过数字病理切片扫描仪采集头颈鳞癌淋巴结组织病理切片的图像信息，并储存在病理数据库中；所述图像鉴别评估子系统，包括组织区域识别模型和转移癌区域判别模型，所述组织区域识别模型，为利用图像分割算法对图像中的背景区域进行去除，获得组织区域；所述转移癌区域判别模型，用基于深度学习算法构建的二次诊断模型对组织区域进行分割诊断，在结果输出模块中对淋巴结整体潜在的癌灶区域进行标注性诊断，并反馈给病理科医生，以供最终诊断；所述诊断辅助模型自主修正子系统，为将病理科医生诊断标注后的癌区域和非癌区域并复验后再次纳入病理数据库，积累到一定数量后并再度利用深度学习算法，对转移癌区域判别模型进行自主修正；所述二次诊断模型，包括初次诊断模型和再次诊断模型，所述初次诊断模型，包括初次诊断模型的构建阶段和初次诊断模型的诊断阶段，利用卷积神经网络自动提取癌图块与非癌图块的特征和标签，得到一个初次诊断模型，再用初次诊断模型对待分析癌图块与非癌图块进行识别，根据识别结果为癌图块或非癌图块将图块送入不同的再次诊断模型；所述再次诊断模型，包括癌图块确认模型和非癌图块确认模型，分别用来解决图块识别中的假阳性和假阴性问题，提高模型的诊断性能；所述癌图块确认模型，包括癌图块确认模型的构建阶段和癌图块确认模型的诊断阶段，所述非癌图块确认模型，包括非癌图块确认模型的构建阶段和非癌图块确认模型的诊断阶段；所述结果输出模块包括结果输出模块的构建阶段和诊断阶段；所述诊断辅助模型自主修正子系统包括对初次诊断模型的修正、再次诊断模型的修正和结果输出模块的修正；所述初次诊断模型的构建阶段，具体步骤包括：1）由病理专家人工注释淋巴结转移状态并对转移癌区域与非癌区域进行勾画；2）将癌区域和非癌区域分割成大小相等的正方形图块，并分别标记为癌图块和非癌图块；3）提取足量、等量癌图块和非癌图块构成初次诊断模型训练集并进行数据增强；4）利用深度学习算法构建识别癌图块和非癌图块的初次诊断模型；所述初次诊断模型的诊断阶段具体步骤包括：1）设置与正方形图块等大的滑动窗口，滑动窗口在水平方向和垂直方向从待测淋巴结组织区域部分重叠地提取未知图块，输入初次诊断模型；2）利用初次诊断模型对未知图块进行识别并分为癌图块和非癌图块两类；所述癌图块确认模型的构建阶段包括具体以下步骤：1）利用初次诊断模型对所有标记的非癌图块进行识别，将所有错误识别为癌图块的非癌图块建立为假阳性数据集，标签为非癌图块；2）利用假阳性数据集中的非癌图块和用于训练初次诊断模型的癌图块的数量，构建癌图块确认模型训练集进行数据增强；3）利用深度学习算法对增强后的癌图块确认模型训练集进行学习，构建癌图块确认模型；所述癌图块确认模型的诊断阶段包括具体以下步骤：1）读取初次诊断模型识别为癌图块的未知图块；2）利用癌图块确认模型对未知图块进行识别并分为癌图块和非癌图块两类；所述非癌图块确认模型的构建阶段包括具体以下步骤：1）利用初次诊断模型对所有标记的癌图块进行识别，将所有错误识别为非癌图块的癌图块建立为假阴性数据集，标签为癌图块；2）平衡假阴性数据集中的癌图块和用于训练初次诊断模型的非癌图块的数量，构建非癌图块确认模型训练集并进行数据增强；3）利用深度学习算法对增强后的非癌图块确认模型训练集进行学习，构建非癌图块确认模型；所述非癌图块确认模型的诊断阶段包括具体以下步骤：1）读取初次诊断模型识别为非癌图块的未知图块；2）利用非癌图块确认模型对未知图块进行识别并分为癌图块和非癌图块两类；所述结果输出模块的构建阶段包括具体以下步骤：1）将病理专家人工注释转移状态并勾画了癌区域的淋巴结组织区域输入二次诊断模型，对每一个淋巴结区域的每一个像素设置一个评分，评分的初始值都为0，当二次诊断模型输出结果为癌图块时，对应区域的像素评分数值+1；当再次诊断模型输出结果为非癌图块时，对应区域像素评分数值+0；2）随机提取足量、等量的癌区域和非癌区域的像素评分，分别标记为阳性像素和阴性像素，利用接收者操作特征曲线选取区分阳性像素和阴性像素的评分阈值，选取的评分阈值为接收者操作特征曲线下面积最大时的评分数值；所述结果输出模块的诊断阶段包括具体以下步骤：1）新建与待测淋巴结组织区域等大的白色图像文件，当该像素输出评分不小于评分阈值时，在新建的白色图像文件中的对应像素显示为红色，即癌区域；当该像素输出评分小于评分阈值时，在新建的白色图像文件中的对应像素显示为白色，即非癌区域；2）输出三张图片辅助病理科医生诊断，包括待测淋巴结组织区域原始图像、再次诊断模型识别得到的二值图像以及两者的叠加图像；所述诊断辅助模型自主修正子系统，将医生诊断标注后的癌区域和非癌区域进行分割并复验后再次纳入病理数据库，积累到一定数量后补充用于训练初次诊断模型和再次诊断模型的训练集，利用深度学习算法，对转移癌区域判别模型进行自主修正。

全文数据：

权利要求：

百度查询： 中南大学湘雅医院 基于深度学习的头颈鳞癌淋巴结转移癌诊断辅助识别系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD