[发明专利]一个基于深度学习的骨巨细胞瘤病理辅助诊断系统

权利要求书

1.一个基于深度学习的骨巨细胞瘤病理辅助诊断系统，其特征在于，包括：

图像数据预处理模块，通过筛除空白占比多的图像和对图像进行归一化操作，得到能够进行特征提取的图像数据；其中，所述图像数据是病变组织病理学HE切片图像；

特征提取分类模块，将图像数据输入一个已经过预训练的神经网络模型，提取图像数据的特征，并根据特征给出诊断结果；

训练模块，根据指定的训练次数，训练更新特征提取分类模块的参数，并保存诊断准确率最高的诊断系统模型参数；

诊断模块，用于提供一个可视化界面，对病变组织病理学HE切片图像进行诊断。

2.根据权利要求1所述的一个基于深度学习的骨巨细胞瘤病理辅助诊断系统，其特征在于，所述图像数据预处理模块包括筛除空白占比多的图像模块、图像归一化模块、图像数据增强和划分模块及图像数据降维模块；

所述筛除空白占比多的图像模块具体执行以下操作：

1)将病变组织病理学HE切片图像从RGB图像转为灰度图；

2)统计灰度图上像素点数值大于230的个数，如果这些个数超过整张灰度图像素点总数的20％，则丢弃该张图像；

所述图像归一化模块使用的是保留结构的色彩归一化方法；

所述图像数据增强和划分模块具体执行以下操作：

1)针对巨细胞骨肿瘤图像与其它骨病变图像数量不均匀的情况，对数量少的一类做数据增强：随机选取图像数据中的图像，对这些图像分别进行90、180、270度的旋转以及垂直对称操作，将新生成的图像加入原始图像数据；

2)将图像数据随机划分为训练集和验证集，其中比例为70％训练、10％验证、20％测试；

所述图像数据降维模块具体执行以下操作：

1)先将图像直接缩小成原图的1/4，即448*448像素大小；

2)将每张图像用一个112*112像素大小的窗口框选，其中步长为112，共能够得到16张112*112像素大小的图像。

3.根据权利要求1所述的一个基于深度学习的骨巨细胞瘤病理辅助诊断系统，其特征在于，所述特征提取分类模块具体执行以下操作：

1)将每张经过图像数据预处理模块处理的图像数据输入经过ImageNet数据集预训练的EfficientNet-B0网络模型后，再经过一个全局平均池化层得到一个16维的向量；

2)将这个16维的向量输入到一个512层的全连接层，得到一个16*512的特征向量；

3)将这个16*512的特征向量输入一个512层全局平均池化层，得到一个512维的特征向量；

4)将这个512维的特征向量输入一个64层的全连接层，得到一个64维的向量；

5)将这个64维的向量输入一个softmax层，得到图像数据的诊断结果。

4.根据权利要求1所述的一个基于深度学习的骨巨细胞瘤病理辅助诊断系统，其特征在于，所述训练模块具体执行以下操作：

设定训练次数为n，在神经网络模型经过n次训练后，保存诊断结果准确率最高的诊断系统参数，作为最终的诊断系统模型参数。

5.根据权利要求1所述的一个基于深度学习的骨巨细胞瘤病理辅助诊断系统，其特征在于，所述诊断模块提供一个用户交互友好的图形界面，输入需要诊断的病变组织病理学HE切片图像，即可得到诊断结果。