[发明专利]一种基于人工智能技术的癌症病理辅助诊断方法

说明书

本发明公开一种基于人工智能技术的癌症病理辅助诊断方法，包括以下步骤：扫描系统若干数字病理图像至计算机中，并由病理学专家对病变区域进行标注，形成数字病理图像数据库；数字病理图像经预处理后形成算法训练用数据集，再进行样本采集，形成训练用数据子集；全卷积网络使用训练用数据子集进行迭代训练调整参数，构建人工智能分析模块；扫描诊断病理学图像，诊断病理学图像通过解码进入人工智能分析模块；人工智能分析模块对诊断病理学图像进行诊断以及标记，并将标记后的病理信息反馈给医生。本发明公开的一种基于人工智能技术的癌症病理辅助诊断方法，该种癌症病理辅助诊断方法的诊断准确度高，有效辅助医生判别癌症病理信息。

技术领域

本发明属于人工智能技术领域，具体涉及一种基于人工智能技术的癌症病理辅助诊断方法。

背景技术

常规的癌症诊断是基于分析来自肿瘤或可疑肿瘤组织中的细胞和组织标本。通过组织染色，个体细胞或细胞群就可以鉴别开来。常规诊断依靠分析形态特征，如细胞形状，大小和染色性状的改变，以及组织结构的不规则性。所以，癌症诊断是对异于相应正常组织的形态变异的一种主观判断。正确而可靠的诊断技能需要丰富的经验。介于癌和癌前病变以及癌前病变和非癌病变的病例，对于即使是最有经验的病理学家和细胞学家也是一种挑战。由于还没有开发出完整的肿瘤诊断形态标准，这一类问题也越来越多。据目前的远程诊断平台统计显示，医生的诊断意见与病理科专家的诊断意见一致的比率不足60％。为了提升医院的癌症诊断质量，迫切需要更为系统的计算机辅助诊断方法，在辅助医生进行诊断的同时，逐步提高医生的诊断能力。

随着基于数字病理切片的癌症远程诊断的普及，数字病理切片的数量不断增长，各种带有专家诊断结果的癌症病例被收集起来，形成了不断增长的数字病理图像数据库。当前流行的计算机辅助诊断方法，大多基于传统机器学习方法，此类方法在对大量已知病变类型的数字病理图像进行学习后，具备对未知数字病理图像进行诊断的能力。但是，由于算法模型不同，经过学习和训练的程度不一，对未知数字病理图像进行诊断的能力层次不一。目前，现有算法模型对癌症数字病理诊断的准确率不高，因此，需要开发一种准确度较高的算法模型是本领域技术人员迫切寻求的目标。

发明内容

本发明所要解决的技术问题是，提供一种基于人工智能技术的癌症病理辅助诊断方法，可以解决现有技术中机器学习对癌症数字病理诊断的准确率不高的技术问题。

为解决上述技术问题，本发明采用的技术方案：一种基于人工智能技术的癌症病理辅助诊断方法，其特征在于，包括以下步骤：

步骤1：通过扫描系统将若干数量的数字病理图像扫描至计算机中，并由病理学专家针对数字病理图像中的病变区域进行标注，形成数字病理图像数据库；

步骤2：将数字病理图像数据库中的数字病理图像经图像输入和预处理模块预处理后，形成算法训练用数据集，再对算法训练用数据集进行样本采集，形成若干训练用数据子集；

步骤3：通过全卷积网络使用训练用数据子集进行迭代训练调整参数，构建人工智能分析模块；

步骤4：通过扫描系统将诊断病理学图像扫描至计算机中，诊断病理学图像通过解码进入人工智能分析模块；

步骤5：人工智能分析模块对诊断病理学图像进行诊断以及标记，并将标记后的病理信息反馈给医生，辅助医生进行诊断。

优选的，在步骤2中，所述预处理包括以下步骤：

步骤21：识别数字病理图像数据库中的数字病理图像，剔除无法进行辨别的数字病理图像，并对删除后的数字病理图像进行归一化预处理；

步骤22：将归一化预处理后的数字病理图像通过数据增强算法进行处理，得到算法训练用数据集；