[发明专利]一种基于深度学习的癌症病灶范围预测辅助系统及方法

说明书

本发明公开了一种基于深度学习的癌症病灶范围预测辅助系统及方法，系统包括客户端和服务端；客户端用于监听当前内镜设备采集的图像并传输给服务端，接收和显示服务端反馈的分析结果；服务端用于根据从客户端采集的图像，即时判断图像对应的部位及部位特征，将分析结果反馈给客户端。本发明首先当内镜设备进行图像采集，客户端被触发获取所采集的内镜图像，并上传至服务端；服务端接收内镜图像作为参数，调用卷积神经网络模型进行内镜图像是否合格、部位判断和部位特征识别的分析；客户端根据获取的分析结果，调用表示各部位的图片和部位特征的标记进行叠加展示。本发明能够确诊早期癌症，并将癌变范围圈出，简单易用，具有显著的社会及经济价值。

技术领域

本发明属于医疗检测技术领域，具体涉及一种基于深度学习的癌症病灶范围预测辅助系统及方法。

背景技术

随着人们健康意识的增强和消化内镜检查的逐渐增加，消化道粘膜下肿瘤、早期癌和癌前病变的发现迅速增多。传统外科手术由于手术创伤大、患者恢复慢、手术后生活质量也大为降低等原因逐渐被经内镜介入治疗技术所取代。对于内镜下癌症病变的切除来说，确定切除范围十分关键。如果切除范围过大，虽然可以将癌变部位切除干净，但是对病人的生活质量有一定影响；切除范围过小，没有将病变范围切除干净，会导致复发，严重会危及患者生命。实际上，对疾病的精准定位仍有一定难度，较轻微癌变，肉眼难以识别。对于胃部病变，尤其合并肠化生时边界判定较难，操作医生需要用放大胃镜放大后观察，结合染色，根据腺管开口的不同，才可以精准定位病变边界。

如果可以对内镜下癌症病灶部位进行判断，及时圈出病变部位，提示癌变的部位及范围，必要时辅以活体的病理学和细胞学检查，从而辅助操作者进一步详细检查提示部位，那么就可以达到确诊早期癌症并及时精准进行治疗的目标。

发明内容

为了解决上述技术问题，本发明提供了一种基于深度学习的癌症病灶范围预测辅助系统及方法，可以对内镜下癌症病灶部位进行判断，及时圈出病变部位，提示癌变的部位及范围，必要时辅以活体的病理学和细胞学检查，从而辅助操作者进一步详细检查提示部位，达到确诊早期癌症并及时精准进行治疗的目标。

本发明的系统所采用的技术方案是：一种基于深度学习的癌症病灶范围预测辅助系统，其特征在于：包括客户端和服务端；

所述客户端，用于监听当前内镜设备采集的图像并传输给所述服务端，接收和显示所述服务端反馈的分析结果；

所述服务端，用于根据从客户端采集的图像，即时判断图像对应的部位及部位特征，将分析结果反馈给客户端。

本发明的方法所采用的技术方案是：一种基于深度学习的癌症病灶范围预测方法，其特征在于，包括以下步骤：

步骤1：当内镜设备进行图像采集，客户端被触发获取所采集的内镜图像，并上传至服务端；

步骤2：服务端接收内镜图像作为参数，调用卷积神经网络模型进行内镜图像是否合格、部位判断和部位特征识别的分析；

步骤3：客户端根据获取的分析结果，调用表示各部位的图片和部位特征的标记进行叠加展示；

步骤4：识别出癌变时，启用“类激活图覆盖技术”圈出病变范围。

本发明的有益效果为：通过本发明可以对内镜能检查到的部位图像进行识别，当发现存在病变部位时，系统会提示操作者，并启用“类激活图覆盖技术”，实时显示癌变的部位及范围，同时准确提取并储存癌变部位的图像，圈出病灶范围，为操作者进行内镜下微创手术提供了切除部位的范围，提高了切除范围的精确度，为患者健康提供保障。

附图说明

图1为本发明实施例的系统结构框图；

图2为本发明实施例的方法流程图。

具体实施方式