[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

说明书

本发明公开了一个基于深度学习的骨巨细胞瘤病理辅助诊断系统，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；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。本发明系统的诊断准确率最高能达到90.6％，并且在训练时使用降维、瓶颈层、GAP等方法，大大减少了训练所需要的GPU计算资源，也避免了过拟合等问题的出现。

技术领域

本发明涉及深度神经网络图片识别的技术领域，尤其是指一个基于深度学习的骨巨细胞瘤病理辅助诊断系统。

背景技术

随着人工智能技术的发展，人工智能技术在医学病理图像分析领域得到了广泛应用。然而在巨细胞骨肿瘤诊断领域，人工智能技术对于医学病理图像的辅助分析诊断研究还是一片空白。在当前的巨细胞骨肿瘤临床诊断中，主流方法依然是根据病理医生的临床诊断经验进行诊断，目前可以借鉴的人工智能技术大多数都是在乳腺癌等领域的辅助诊断的研究成果和经验。本发明拟引入深度学习的方法，利用现有的图像预处理技术、特征提取技术、分类诊断模型探讨构建巨细胞骨肿瘤的病理图像辅助诊断鉴别模型，辅助病理医生分析病情、诊断。在对巨细胞骨肿瘤诊断的快速性、准确性要求不断提高的情况下，运用AI技术的医学影像分析辅助对巨细胞骨肿瘤的诊断具有重大意义。该模型有助于提高巨细胞骨肿瘤的诊断效率和准确率，减轻医生工作负担，保障病人健康。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一个基于深度学习的骨巨细胞瘤病理辅助诊断系统，该系统只需输入病人的病变组织病理学HE切片图像，即可得到该病人是否患有巨细胞骨肿瘤的辅助诊断结果。

为实现上述目的，本发明所提供的技术方案为：一个基于深度学习的骨巨细胞瘤病理辅助诊断系统，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。

进一步，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；