[发明专利]基于深度学习的胃部肿瘤病理分型识别系统

说明书

本发明提供了基于深度学习的胃部肿瘤病理分型识别系统，包括：切片获取模块，用于从医院数据库中筛选出胃部病理切片，并将所述胃部病理切片分组为恶性切片和非恶性切片；模型训练模块，用于对所述恶性切片进行标注训练，得到胃癌分型模型，并对非恶性切片进行标注训练，得到胃部低级别瘤变二分类模型；评估模块，用于分别对所述胃癌分型模型和胃部低级别瘤变二分类模型进行模型效果评估，并根据评估结果得到对应的最优模型；集成模块，用于将所述最优模型进行集成得到胃部肿瘤病理分型系统；利用人工智能对切片进行智能分析，对模型进行智能评估，实现实现对胃部肿瘤的识别分型和病变概率判断。

技术领域

本发明涉及病理诊断技术领域，特别涉及一种基于深度学习的胃部肿瘤病理分型识别系统。

背景技术

胃癌是世界范围内的第五大常见肿瘤。不同组织类型的腺癌恶性生物学行为存在一定的差异，准确判断胃腺上皮来源的肿瘤组织类型和级别是精准治疗的关键。

人工智能技术的应用逐渐深入医学领域的各个方面，不久的将来，人工智能技术将全面进入医院病理科，从质控、辅助诊断、远程协作等方面帮助病理从业人员提高工作效率和工作质量。

病理医生全国范围乃至全球性的短缺使人工智能应用于临床成为可能，深度学习在胃、肺、前列腺、乳腺淋巴结等器官的人工智能诊断方面都取得了一定的成果。之前的研究工作的重心主要集中在癌区检测方面，对于肿瘤的分型并没有深入的探索，无法很好的实现对胃部肿瘤的分型。

发明内容

本发明提供一种基于深度学习的胃部肿瘤病理分型识别系统，实现实现对胃部肿瘤的识别分型和病变概率判断。

一种基于深度学习的胃部肿瘤病理分型识别系统，包括：

切片获取模块，用于从医院数据库中筛选出胃部病理切片，并将所述胃部病理切片分组为恶性切片和非恶性切片；

模型训练模块，用于对所述恶性切片进行标注训练，得到胃癌分型模型，并对非恶性切片进行标注训练，得到胃部低级别瘤变二分类模型；

评估模块，用于分别对所述胃癌分型模型和胃部低级别瘤变二分类模型进行模型效果评估，并根据评估结果得到对应的最优模型；

集成模块，用于将所述最优模型进行集成得到胃部肿瘤病理分型系统。

优选的，所述切片获取模块，包括：

切片筛选单元，用于从医院数据库中获取全部胃部切片，对所述全部胃部切片进行切片质量检测，筛选出满足质量要求的胃部病理切片；

切片分组单元，用于根据切片属性，将所述胃部病理切片分组为恶性切片和非恶性切片。

优选的，所述模型训练模块，包括：

切片处理单元，用于获取所述恶性切片的图像获取流程，并根据所述图像获取流程确定不同恶性切片的图像差异，基于所述图像差异对恶性切片进行图像增强，得到目标恶性切片；

模型训练单元，用于按照预设比例将目标恶性切片划分为训练集、测试集和验证集，并根据所述训练集对初始模型进行训练，得到胃癌分型模型；

所述模型训练单元，还用于按照与获取胃癌分型模型相同的方式得到非恶性切片进行标注训练，得到胃部低级别瘤变二分类模型。

优选的，所述模型训练单元，包括：

标注单元，用于对所述恶性切片进行图像分割，并确定分割后的每个图像块是否为肿瘤区域，若是，对所述图像块进行标注，最终得到对所述非恶性切片的标注；

第一训练单元，将标注后的恶性切片划分为训练集、测试集和验证集，利用所述训练集对初始模型进行迭代，得到初始模型参数值，并确定所述训练集中恶性切片的损失函数，和训练集的整体损失函数；