[发明专利]用于胸腹水细胞分类模型的训练方法和乳腺癌预测的系统

说明书

用于胸腹水细胞分类模型的训练方法和用于乳腺癌预测的系统。该用于乳腺癌预测的系统包括：图像获取部件，被配置为响应于胸腹水样本液体流过流式细胞显微成像装置的流式管道，获取所述胸腹水样本液体中微粒的样本图像集合；分类部件，被配置为接收所述样本图像集合作为输入样本图像集合，并基于训练完成的胸腹水细胞分类模型获得所述输入样本图像集合中的每一个输入样本图像的分类结果；分类结果统计部件，被配置为对所述输入样本图像集合中的所有输入样本图像的分类结果进行统计分析，以确定所述胸腹水样本液体是否为乳腺癌阳性；以及诊断部件，被配置为基于所述胸腹水样本液体是否为乳腺癌阳性的确定进行乳腺癌的预测。

技术领域

本申请涉及人工智能领域，具体涉及一种无需人工标注的用于胸腹水细胞分类模型的训练方法和用于乳腺癌预测的系统。

背景技术

据国际癌症研究机构的调查数据显示，在全球女性癌症的发病人数中，有四分之一是乳腺癌。并且乳腺癌在我国发病率逐年上升，虽然出现了新的治疗策略和治疗方法，让乳腺癌的死亡率逐步下降，但是乳腺癌的筛查方法仍然不太准确，十分依赖于医生的经验，需要耗费病理科昂贵的医疗资源。

目前针对乳腺癌诊断提出了若干方法。临床乳腺检查(clinicalbreastexamination，CBE)简便、易行，可重复性强，从目前的研究来看，单用CBE作为筛查发现早期乳腺癌的比例仍较低，但其提供了一个让女性警惕乳腺癌发生的机会，如乳腺癌的危险因素、遗传问题、新的诊断方法等信息，从而收到间接的效果。但敏感度低，受主观因素影响较大。MAM是目前诊断乳腺癌首选的影像学检查方法，能够清晰显示微钙化，而微钙化是除肿物、结构扭曲之外诊断乳腺癌的另一重要征象，有时甚至是唯一征象，30％～50％乳腺癌早期X线片可见细颗粒钙化集簇的表现，钙化集簇与癌灶关系密切。虽然MAM筛查能够降低乳腺癌死亡率，但是它也有一定的局限性，特别是其不可能发现所有的乳腺癌病例，其发现的乳腺癌仍可能预后不良。乳腺磁共振成像(breastMRI)技术具有极好的软组织分辨力和无辐射等特点，对乳腺检查具有独到的优势。但由于缺乏设计良好的临床试验，术前进行乳腺MR检查的长期临床效果还不十分清楚，目前还没有确切数据支持乳腺MR检查能减少乳腺癌手术的数量或改变手术方式，其术后生存情况及肿瘤复发情况等也尚不清楚。数字乳腺断层合成技术(digitalbreasttomosynthesis，DBT)是一项基于平板探测器技术的高级应用，是在传统体层摄影原理的基础上结合数字影像处理技术开发的新型体层成像技术。特点是辐射剂量小，可获得任意层面影像，可进一步处理显示三维信息，有更高的敏感度和特异度，可降低复检率，但DBT目前临床经验尚不足。计算机辅助诊断系统(computeraideddetection，CAD)运用计算机相关软件对数字化的影像进行去噪和特征增强，从而提取有诊断价值的特征。医师读片结合CAD诊断，可提高乳腺癌的检出率，特别是对直径1cm的病灶，但CAD的假阳性率较高。

细胞识别与分类问题一直以来都是医疗检测判断、药物开发研究以及环境检测等领域的研究重点。流式细胞仪检测速度快，可以高达上千个细胞每秒，但其检测得到的信息维度少，无法通过细胞体积形态等高维度信息来对细胞进行分类，因此精度不高，通常只能用作定量分析，常用于细胞的初筛。显微镜检可以观察到细胞的图像但是需要经过染色制片等流程，耗时长，且观察细胞一般靠人为的识别，极耗人力，因此染色制片的观察方法一般作为最后的观察判别细胞方法，检测样本少，无法大规模检测。

随着近些年来，以卷积神经网络为代表的相关深度学习技术的发展，越来越多的深度学习方法也被用于辅助医学检验和病理诊断，但是大多数方法都需要依赖庞大的标记数据库，而训练集的标注又需要昂贵的成本。

因此，期望提出一种既能获得细胞图像，又能在节约标注成本的情况下准确地提供细胞群体的统计数据的改进的方法。

发明内容

考虑到以上问题而做出了本公开。本公开的一个目的是提供一种无需人工标注的用于胸腹水细胞分类模型的训练方法和用于乳腺癌预测的系统以及相应的装置、电子设备和计算机可读存储介质。