[发明专利]基于人工智能数字病理的网络模型分析平台及构建方法

说明书

本发明公开了一种基于人工智能数字病理的网络模型分析平台及构建方法，主要解决现有技术中存在的现有门石蜡切片技术或冰冻切片技术制作病理切片，效率低，主观性强，且准确率较低的问题。该一种基于人工智能数字病理的网络模型分析平台包括中心管理服务器系统、用于病理切片输入的扫描设备、编辑标注模块、训练模块、预标注模块；扫描设备的输出端与编辑标注模块的输入端电连，编辑标注模块的输出端与训练模块的输入端电连；训练模块对标注后数字病理图像网络模型进行训练形成网络模型；用于根据网络模型对未标注的数字病理图像进行标注的预标注模块与网络模型电连。通过上述方案，本发明达到快速可视化分析病理切片的目的。

技术领域

本发明涉及医疗诊断技术领域，具体地说，是涉及基于人工智能数字病理的网络模型分析平台及构建方法。

背景技术

近年来，随着现代医疗危机、环境危机、疑难杂症相继来袭，人们迫切地希望能不断研究出治疗疾病的新药以解燃眉之急。在传统新药研究与开发的模式中，新化合物的设计及合成或者现有有机化合物必须首先在实验室内经过体内外动物模型进行初筛后才可能进行进一步药效学试验与进一步药理学试验，最终进行临床试验。因此在现代医药研发中，动物实验被广泛应用与投入。但由于药物研发非常艰难且成本昂贵，需要数量巨大的临床试验支撑，而目前对于实验动物病理反应及药物测试结果的观察效率低下导致大量的实验动物模型得不到充分的利用，因此大大增加了研发成本。对此，我们提出了将数字病理应用于实验动物病理结果的观察方法，进而提高病理诊断和病理测试的效率与准确性。

生产靶向药的药厂在靶向药的临床前研究、临床研究和临床诊断中需要大量的准确量化分析结果，工作量十分繁重，提高了药物的研发成本和临床试验风险，同时降低了药物的市场竞争力。

现目前病理诊断仍是采用传统石蜡切片技术或冰冻切片技术制作病理切片，然后再经过人工在显微镜下直接阅片进而做出诊断结果；此方法效率低，主观性强，且准确率较低无法充分反映动物模型的细胞组织病理变化状况。

发明内容

本发明的目的在于提供基于人工智能数字病理的网络模型分析平台及构建方法，以解决现有门石蜡切片技术或冰冻切片技术制作病理切片，后经过人工在显微镜下直接阅片进而做出诊断结果方法效率低，主观性强，且准确率较低无法充分反映动物模型的细胞组织病理变化状况的问题。

为了解决上述问题，本发明提供如下技术方案：

一种基于人工智能数字病理的网络模型分析平台包括中心管理服务器系统、用于病理切片输入的扫描设备、编辑标注模块、训练模块、预标注模块；扫描设备的输出端与编辑标注模块的输入端电连，编辑标注模块的输出端与训练模块的输入端电连；训练模块对标注后数字病理图像网络模型进行训练形成网络模型；用于根据网络模型对未标注的数字病理图像进行标注的预标注模块与网络模型电连。

具体地，预标注模块对比输入端与网络模型的信号输出端电连，其信号端口和训练模块信号端口之间连接有校验模块。

具体地，基于人工智能数字病理的网络模型分析平台还包括中心管理服务器系统，其和扫描设备均处于一个广域网环境中并实现网络连接，所述广域网环境是基于INTERNET的网域环境，所述中心管理服务器系统包括管理服务器、认证服务器、数据库服务器、与所述服务器相匹配的软件。

具体地，基于人工智能数字病理的网络模型分析平台还包括用于给出预标注切片中各类细胞的数量及情况的分析模块；分析模块与预标注模块电连。

具体地，网络模型包括分类网络模型、目标检测网络模型和语义分割网络模型；分类网络模型用于病理图像的组织分类；目标检测网络模型用于HE或IHC图像的目标识别和定位；语义分割网络模型用于识别组织、细胞的边界和轮廓。

具体地，扫描设备为数字病理扫描仪，数字病理图像为WSI格式。

一种基于人工智能数字病理的网络模型分析的构建方法包括以下步骤：