[发明专利]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

说明书

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。

技术领域

本发明涉及医学图像的计算机分析技术领域，具体涉及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。

背景技术

头颈鳞癌是世界第七大常见的恶性肿瘤，给患者的健康和生命带来了极大的危害；区域性颈部淋巴结转移是头颈鳞癌重要的不良预后因素；淋巴结的精确诊断是头颈鳞癌分期系统的组成内容，为临床决策和提示预后提供依据。

目前，病理检查是诊断头颈鳞癌淋巴结转移状态的金标准，主要通过病理医生在显微镜下观察组织标本的形态学特征做出诊断。然而，人工病理评估淋巴结状态是一件繁琐、费时且主观的工作，尤其是在仅含有微小转移癌灶的情况下，容易发生漏诊。目前中国病理医生数量难以满足需求，平均每13万人口只有1名病理科医生，不同病理诊断机构间诊断水平差异大，这些严重影响了临床实践工作的质量。且病理科医生培养周期长、培养难度大，病理诊断资源缺乏的现状短时间内无法改善。

深度学习是人工智能的一种，在医学图像处理分析中具有广泛的应用。随着高分辨率全切片数字化扫描储存技术的普及，使得，在有些研究中甚至超过了病理医生的诊断性能。然而，在现有的淋巴结转移癌灶的人工智能诊断研究中，巨噬细胞、生发中心、间质等区域的识别依然是棘手的。目前，在头颈鳞癌淋巴结转移癌灶的人工智能诊断，尚处空白，开发头颈鳞癌淋巴结转移癌灶病理诊断辅助识别系统是非常迫切且有意义的。

发明内容

本发明要解决的技术问题是，克服现有技术存在的上述缺陷，提供减小微小转移癌灶漏诊、可自动识别淋巴结内的转移癌灶、提高诊断效率的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。

本发明解决其技术问题所采用的技术方案是：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；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。

进一步的，所述组织区域识别模型具体包括以下步骤： 1）将RGB三通道原始病理图像转换成灰度图像； 2）利用大津算法将全切片图像中的组织区域和背景区域分开，生成组织区域图像； 3）构建组织区域数据库，减少实际分析的区域。