[发明专利]一种基于级联rcnn的肠神经节细胞辅助识别方法

说明书

本发明公开了一种基于级联rcnn的肠神经节细胞辅助识别方法，该方法具体包括以下步骤：S1，采集肠组织切片并对其进行苏木精‑伊红染色，对染色后的图像数据进行预处理，将预处理后的数据作为训练数据集；S2，构建用于目标检测的深度卷积神经网络作为目标检测模型；S3，利用训练数据集对目标检测模型进行训练；S4，利用训练好的目标检测模型对肠组织的染色图像进行检测，识别图像中的肠神经节细胞。通过本发明可以实现快速准确地识别肠组织切片染色图像中的神经节细胞。

技术领域

本发明涉及医学图像识别的技术领域，尤其涉及一种基于级联rcnn的肠神经节细胞辅助识别方法。

背景技术

肠神经系统(enteric nervous system，ENS)是由肠神经元(神经节细胞)和神经胶质细胞组成的集合网络体。人肠壁内的神经节细胞超过1亿个，约与脊髓内所含神经元的总数相近。这些细胞大小不一，形态多样，与神经胶质细胞等一起构成许多胃肠的神经节，又被称为神经丛，主要分布于胃肠道肌间(环形肌和纵行肌之间)和粘膜下。肠神经系统的主要功能为精细调控消化功能，同时在免疫调控等方面也扮演重要的角色。以肠无神经节细胞症为代表的肠神经系统疾病近年来逐渐得到广泛的重视。在这一大类疾病的诊断中，均需借助肠道组织切片染色图像中神经节细胞的病理特征，包括神经节细胞的数量以及发育情况等。国内、外现状，肠神经节细胞症病理检查主要依赖病理医生的认识和经验，由病理医生在显微镜下对肠组织苏木精-伊红(HE)染色图像进行识别，明确神经丛内是否存在正常的神经节细胞，必要时借助免疫组织化学等方法辅助诊断。

组织学研究结果表明，肠组织全层切片包括四个组织层次，由内而外分别为粘膜层、粘膜下层、肌层和浆膜层，神经节细胞主要位于粘膜下层和肌间(环形肌和纵行肌之间)神经丛内，数量占比很少。同时，婴幼儿肠神经节细胞尚未完全发育成熟，典型的细胞形态，如大的核仁缺乏或不明显、胞质少，在苏木精-伊红染色下特别是冷冻切片时，判断难度较大，较难与周围其他类型细胞相区分。对于不同年龄段的患者，细胞的形态特征存在差异，进一步增加了细胞识别及诊断的难度。诸多因素决定，即使经验丰富的病理医生在肠神经节细胞的识别上也需要耗费大量的时间和精力，长时间在如此高强度的重复工作条件下，医生极易出现阅片疲劳，以及由此可能引起疾病的误诊，给患儿及家庭造成严重不良影响。

近年来，人们也尝试用一些传统方法对医学影像进行处理，对医学影像进行的处理的大多数方法是基于从图像中提取的特征，然后通过机器学习对特征进行建模，实现分类(预后好坏等)。此类方法效果不好，准确度低，适用范围窄。这是因为机器学习算法只适应于有明显特征，背景简单的情形，很多医学图像检测和识别的场景中，往往背景复杂多变，而且待检测和识别的目标复杂多变，特征不明显，很难通过一般的抽象特征完成对目标的检测，因此迫切需要健壮性更高，泛化能力更强，更容易应用于实际场景的深度学习类的算法能够投入到此类医学场景的使用中。

现有技术存在的缺陷包括：对医学影像进行的处理的大多数方法是基于从图像中提取的特征，然后通过机器学习对特征进行建模。效果不好，准确度低，适用范围窄。这是因为机器学习算法只适应于有明显特征，背景简单的情形，很多医学图像检测和识别的场景中，往往背景复杂多变，而且待检测和识别的目标复杂多变，特征不明显，很难通过一般的抽象特征完成对目标的检测和识别。

肠神经系统疾病的病理辅助识别中的先决要素为判断是否存在正常的神经节细胞。由于婴幼儿特别是新生儿肠神经节细胞发育尚未成熟，典型的细胞形态，大的核仁缺乏或不明显、胞质少，导致在苏木精-伊红(HE)染色下特别是冷冻切片时，人工判断难度较大，基于现有的识别技术手段很难与周围其他类型细胞相区分。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供了一种基于cascade-rcnn的肠神经节细胞辅助识别方法，该发明能够精准、快速地对肠道神经节细胞进行识别。

技术方案：为了实现上述发明目的，本发明提出了一种基于级联rcnn的肠神经节细胞辅助识别方法，该方法具体包括以下步骤：