[发明专利]异常细胞的分级系统

说明书

异常细胞的分级系统，属于人工智能和医疗领域。本发明是为了解决现有的辅助诊断系统仅能筛选异常细胞且不能对异常细胞进行分级处理，而导致无法提供给医生全面的辅助诊断信息的问题。本发明所述的系统基于以下步骤实现：步骤一、获取细胞诊断指标；步骤二、将获取的细胞诊断指标公式化；步骤三、根据提取的诊断指标划分诊断指标等级；步骤四、根据划分等级，建立多组训练数据集；步骤五、学习诊断指标等级的数值化范围，确定每个划分的等级的分值；步骤六、拟合异常细胞各级别与诊断指标关系；步骤七、计算异常细胞在各个病变级别的概率，确定该细胞的病变级别。本发明用于细胞的分级。

技术领域

本发明涉及细胞的分级系统。属于人工智能和医疗领域。

背景技术

宫颈癌是当今严重危害女性身体健康的一种恶性肿瘤。宫颈细胞学检查是目前最常用的宫颈癌筛查技术，实施宫颈癌筛查项目的地区，宫颈癌死亡率下降了70％，大量实践已经证明该检查技术可以大大降低宫颈癌的发生率。我国基层较差的细胞病理诊断水平一直是宫颈癌筛查中存在的难点和痛点。

近年来，随着人工智能在医学诊断领域的发展，智能辅助诊断产品的应用，有效改善了基层病理医生资源不足的问题。但是目前大部分智能辅助诊断系统仅能筛选出异常细胞，未能按照细胞学(The Bethesda System,阴道细胞学的分类及报告细则)诊断的分级标准对异常细胞进行分级处理，从而无法提供给病理医生更加全面的辅助诊断信息。

发明内容

本发明是为了解决现有技术中辅助诊断系统仅能筛选异常细胞且不能对异常细胞进行分级处理，而导致无法提供给病理医生全面的辅助诊断信息的问题。现提出异常细胞的分级系统。

异常细胞的分级系统，用于执行以下步骤：

步骤一、获取细胞诊断指标；

步骤二、将获取的细胞诊断指标公式化；

步骤三、根据提取的诊断指标划分诊断指标等级；

步骤四、根据划分等级，建立多组训练数据集；

步骤五、学习诊断指标等级的数值化范围，确定每个划分的等级的分值；

步骤六、拟合异常细胞各级别与诊断指标关系；

步骤七、计算异常细胞在各个病变级别的概率，确定该细胞的病变级别。

有益效果

现有的异常细胞识别技术以数据驱动，不能输出具体的测量结果，导致医生不能根据结果做出定量的判断。本发明通过研读细胞学诊断标准，提取关键诊断指标，定义各指标的公式，精确测量细胞各项特征。在精准测量的基础上对细胞分级，医生根据测量和分级结果可以探索未知的规律，为癌症病理学的研究提供有力的工具。

附图说明

图1为本发明的流程图；

图2为LeNet-5网络结构图。

具体实施方式

具体实施方式一：结合图1具体说明本实施方式，异常细胞的分级系统，所述系统用于执行以下步骤：

步骤一、提取诊断指标：从细胞学诊断标准中提取细胞的诊断指标；具体过程为：

根据细胞学诊断标准，从细胞的形态特征、颜色特征、纹理特征、细胞团特征四个方面进行归纳，得到18个具有表示性、针对性的诊断指标；其中，形态特征指标有核质比、核分裂度、核极性、核偏心位、核异型度、细胞圆形拟合度、细胞核面积系数，颜色特征指标有空泡/细胞质面积比、核仁/细胞核面积比、角化度，纹理特征有核沟内凹面积、核染色深浅度、核染色均匀度、细胞质丰富度、细胞轮廓清晰度，细胞团特征有腺细胞混乱度、细胞团拥挤度、细胞团大小分布情况；