[发明专利]基于大数据深度学习的良性胃炎病理诊断支持系统和方法

权利要求书

1.良性胃炎病理诊断支持系统，其特征在于，所述支持系统包括：

图像数据获得单元，用于获得正常胃黏膜组织切片图像和已确诊的良性胃炎病例的病理切片图像作为已输入图像数据；

图像数据标注单元，用于对所述已输入图像数据进行标注，以及保证图像的标签和图像的真实病理诊断结果一致；

图像数据库构建单元，用于对所述图像数据标注单元提供的已标注图像数据分类、整理，构建病理图像数据库；

卷积神经网络构造单元，用于构造第一卷积神经网络模型；以及

卷积神经网络模型训练单元，利用所述病理图像数据库的图像数据对所述第一卷积神经网络模型的参数进行调节，以及训练所述第一卷积神经网络模型，获得可用于检测患者病理图像数据的第二卷积神经网络模型。

2.根据权利要求1所述的支持系统，其特征在于，所述支持系统还包括卷积神经网络模型检验单元，用于获得理想的卷积神经网络模型。

3.根据权利要求2所述的支持系统，其特征在于，所述卷积神经网络模型检验单元包括卷积神经网络模型校验单元和卷积神经网络模型测试单元，所述卷积神经网络模型校验单元用于检测所述第二卷积神经网络模型的准确率；所述卷积神经网络模型测试单元，用于检测所述第二卷积神经网络模型是否过拟合，以筛选出鲁棒的第三卷积神经网络模型。

4.根据权利要求1所述的支持系统，其特征在于，所述支持系统还包括卷积神经网络模型预训练单元，用于当所述图像数据获得单元收集到的已输入图像数据不足时，对所述第一卷积神经网络模型进行预训练。

5.根据权利要求1所述的支持系统，其特征在于，所述支持系统还包括病理图像数据预处理单元，用于筛选和示出患者病理图像中的待检测区域。

6.根据权利要求5所述的支持系统，其特征在于，所述预处理单元采用自适应阈值法筛选出所述待检测区域。

7.根据权利要求1所述的支持系统，其特征在于，所述卷积神经网络训练单元采用微调法训练所述第一卷积神经网络模型。

8.一种良性胃炎病理诊断的支持方法，其特征在于，所述支持方法包括以下步骤：

图像数据获得：获得正常胃黏膜组织切片图像和已确诊的良性胃炎病例的病理切片图像作为已输入图像数据；

图像数据标注：对所述已输入图像数据进行标注，以及保证图像的标签和图像的真实病理诊断结果一致；

图像数据库构建：对所述图像数据标注单元提供的已标注图像数据分类、整理，构建病理图像数据库；

卷积神经网络构造：构造第一卷积神经网络模型；以及

卷积神经网络模型训练:利用所述病理图像数据库的图像数据对所述第一卷积神经网络模型的参数进行调节，以及训练所述第一卷积神经网络模型，获得可用于检测患者病理图像数据的第二卷积神经网络模型。

9.根据权利要求8所述的支持方法，其特征在于，所述支持方法还包括卷积神经网络模型检验步骤：获得理想的卷积神经网络模型；所述卷积神经网络模型检验步骤包括卷积神经网络模型校验和卷积神经网络模型测试，所述卷积神经网络模型校验用于检测所述第二卷积神经网络模型的准确率；所述卷积神经网络模型测试，用于检测所述第二卷积神经网络模型是否过拟合，以筛选出鲁棒的第三卷积神经网络模型。

10.根据权利要求1-6任一所述的支持设备在诊断良性胃炎中的应用。