[发明专利]一种人工智能ANA检测图文报告系统

说明书

一种人工智能ANA检测图文报告系统，包括有图像采集系统，负责从自动化设备标准化采集图像，也可以人为操作采集图像；图像前处理系统，负责对图像采集系统采集的图像进行前处理；图像识别和定位系统，负责定位和识别图像中的细胞核型属于哪一类，滴度有多强结果统计分析系统，负责对图像识别和定位系统输出的结果进行分类统计、计数，报告生成系统，根据报告模板生成报告；人工审核系统，为病理医生提供平台检查审核系统生成的报告；数据存储系统，将图像和结果存储分类储存。节省人力，判读和报告环节可以由系统自动完成，病理医生仅需审核报告，随着数据的积累、技术的发展，甚至可以不需要人工审核，直接完成报告，大大减轻病理工作的劳动强度。提供高度稳定、准确的核型分类和滴度检测结果，避免人为因素造成的干扰。

技术领域

涉及免疫检测技术领域。

背景技术

自身免疫病是由于免疫功能紊乱，机体产生针对自身抗原的病理性免疫应答反应而引起器官或系统损伤的一类疾病。自身免疫病的发病机制尚不完全清楚，目前认为是遗传易感个体在环境因素如感染、紫外线、肿瘤及药物等多种因素共同作用下发生。由于自身抗体的产生是自身免疫病的基本特征之一，因而，自身抗体本身就成为大多数自身免疫病的血清学标记物。

ANA 是一组将自身真核细胞的各种成分脱氧核糖核蛋白、DNA、可提取核抗原和RNA 等作为靶抗原的自身抗体的总称，是自身免疫病最重要的诊断指标之一。ANA 的检测方法很多，目前间接免疫荧光法仍然是 ANA 检测首选方法。

ANA检测的标准方法为间接免疫荧光法，传统上，都是在荧光显微镜下由病理医生进行检查和复核。这种做法存在以下问题：一是花费时间长，由于玻片面积远大于显微镜成像视野，一张荧光涂片的检查是比较费时的，而在检查之后对病变区进行复核，则几乎需要花费同等的精力来找到病变细胞所在区域。从开始检查到复核结束一般需要花费20~30分钟。二是长时间观察标本，会加速荧光衰减，影响结果准确度。三是ANA核型可以细分为29型，由于病理医生的水平不同，工作繁忙等原因难以做到精细分型，普遍的做法是仅报告5~6种分型结果。四是病理医生长时间高强度工作产生的疲劳感会导致报告准确度下降。

现有的辅助诊断方法多是提供专家库标准图像，然后让病理医生将镜下图像与与专家库图像同屏比对，并不能实现自动化判读，另外针对不典型图像，也难以帮助医生下诊断建议。

发明内容

针对现有技术存在的问题，本发明目的是提供一种人工智能ANA检测图文报告系统，实现ANA荧光图像的自动判读和报告，以解决上述问题。

为达到上述目的，本发明提出的人工智能ANA检测图文报告系统，其特征在于所述系统包括有：图像采集系统、 图像前处理系统、图像识别和定位系统、结果统计分析系统、报告生成系统、自动审核系统、人工审核系统及数据存储系统；

图像采集系统，用于从自动化设备标准化采集标本图像，或人为操作采集图像；其中自动采集支持全采集、定点采集或随机采集；其中全采集放大倍率为200倍以上以上，扫描路径为回形，扫描方式为重叠式扫描，重叠面积不小于20%，获得所有区域的图像；其中定点采集放大倍率为200倍以上，根据用户预先设定好的采样位置，采集固定数量的数据；其中随机采集放大倍率为200倍以上，系统根据预先用户设定好的采集数量，随机选取采样位置进行图像采集；

图像前处理系统，负责对图像采集系统采集的图像进行前处理；包括亮度、对比度等的调节以使图像进一步标准化；

图像识别和定位系统，负责定位图像中的细胞核并进行标记，同时识别图像中的抗核抗体荧光模式属于哪一类，滴度有多强；使用人工智能算法，包括使用残差神经网络为主干网络，使用全卷积网路进行细胞标记，使用关注区连接技术进一步提高定位精度等技术搭建网络模型，进行训练，获得表现较好参数；应用时将经过前处理的图像送入训练好的神经网络模型，定位细胞，并识别核型；