[发明专利]幽门螺杆菌自动筛选和标注的系统及方法

说明书

本发明提供了一种幽门螺杆菌自动筛选和标注的系统及方法，该方法主要包含以下内容：①选择有专家诊断信息的胃组织切片，包括H.pylori阳性和阴性的切片；②使用切片扫描仪将常规切片扫描转换为数字病理切片，作为数字病理图像数据库；③病理医生对数字切片中的H.pylori进行标注，作为H.pylori数据库；④使用深度学习算法和图像处理方法对数字病理图像数据库和H.pylori数据库进行分析和学习，建立数字病理图像自动诊断模型；⑤使用④建立的数字病理图像自动诊断模型对未知病变的数字病理切片进行诊断，将H.pylori自动标注识别；将标注诊断结果反馈给病理医生，辅助病理医生进行诊断。

技术领域

本发明涉及深度学习在医学诊断中的应用，尤其涉及一种幽门螺杆菌自动筛选和标注的系统及方法。

背景技术

深度学习是机器学习研究中的一个新的领域，其通过建立、模拟人脑进行分析学习的神经网络，即建立卷积神经网络对外部输入的数据进行自动化特征提取，从而能够使机器理解学习数据，获得信息并输出。深度学习算法目前已应用于图像、声音和文本等方面的智能识别。医学病理中主要依靠组织图像做出诊断，深度学习在病理中的应用将推进病理诊断的发展。

幽门螺杆菌（Helicobacter pylori ，H. pylori）是从胃黏膜活检组织中分离出的一种微需氧的革兰阴性杆菌。H. pylori在全球感染率达50%以上，被国际癌症研究机构定为I类致病原。我国H. pylori感染率在50%左右，地区不同会略有差异，目前认为H.pylori 感染可引发溃疡，消化不良，胃癌，胃粘膜相关淋巴组织（MALT）淋巴瘤等疾病。

H. pylori 检测最准确的方法是细菌培养，但细菌培养存在技术要求高、操作费时、敏感性低等因素。

胃部疾病的确诊多是取活检后在组织病理学的诊断，组织切片的常规苏木精 -伊红染色法 ( hematoxylin-eosin staining，HE染色 ) 中即可观察H. pylori，光学显微镜下呈螺旋状或S状，长2.5～4.0μm，宽0.5～1.0μm，位于胃黏膜层表面。

但目前常规HE染色切片诊断存在的问题有：

工作强度大：大体标本和胃镜活检组织切片都需要观察有无 H. pylori，医院每天胃镜活检组织较多，且H. pylori 较小，需要在高倍镜下仔细观察每一个视野，病理医师工作量大。

漏检风险：当感染H. pylori 量极少时，因H. pylori 较小，与组织染色相似，需在每个高倍视野下查看，导致部分容易漏检。

诊断一致性差：诊断结果受病理医生自身经验、工作状态等主观因素影响，因此结果一致性较差。

复诊困难：使用常规玻璃切片诊断时，不能标记保存；当H. pylori量少时，其他医师难以查找H. pylori 以复诊。

病理医师资源分配不均：病理医生需要进行长期的专业培训和实践过程，培养周期长；专家多在知名三甲医院，县镇医院病理医师缺乏。

发明内容

针对上述问题，本发明的目的在于提供一种用于H. pylori自动筛选和标注的系统和方法，该方法将基于机器学习的计算机自动诊断方法和病理图像识别、处理方法相结合，在利用计算机预测数字病理切片病变类型的同时，为医生提供已确诊的H. pylori阳性病例作为参考，达到提高H. pylori识别诊断质量与提升医生诊断能力的目的。

为达到上述目的，本发明所提出的技术方案为：一种基于H. pylori自动筛选和标注的系统和方法，包括以下步骤：

步骤1：选择有专家诊断信息的胃组织切片，包括H. pylori阳性和阴性的切片。

步骤2：使用切片扫描仪将常规切片扫描转换为数字病理切片，作为数字病理图像数据库。