[发明专利]一种骨髓细胞形态学自动检测系统的疾病联想方法

说明书

本发明创造属于骨髓细胞形态学检测领域，具体涉及了一种骨髓细胞形态学自动检测系统的疾病联想方法。本发明创造所采用的技术方案是，一种骨髓细胞形态学自动检测系统的疾病联想方法，包括以下步骤：S1：对在筛选区域的细胞进行计数识别统计；S2:将大小、形态、染色以及结构异常的细胞截图，放入审核系统进行人工描述。本申请结合骨髓象和血液象的数据以及异常细胞的形态特征展开疾病联想，所筛选出来的疾病精准度高，大量的节省了医生的时间，减少了医生的工作量，提高了医生的诊断效率，而且也可以避免最终报告受到人的专业水平的制约问题，使得最终可以得到一个稳定而规范的诊断结论，从而提高整体诊断水平。

技术领域

本发明创造属于骨髓细胞形态学检测领域，具体涉及了一种骨髓细胞形态学自动检测系统的疾病联想方法。

背景技术

骨髓细胞形态学镜检是血液学中关键诊断手段之一，常用于诊断多种病症，包括白血病、多发性骨髓瘤、淋巴瘤、贫血和全血细胞减少。根据世界卫生组织发布的《骨髓恶性肿瘤诊断指南》，在诊断时需要进行详细、精确的显微镜人工检查。正常骨髓含有发育阶段的所有分化细胞，从早期前体干细胞到功能成熟细胞，包括作为大多数血细胞前体的造血干细胞以及被认为是骨髓的守门员细胞的间充质干细胞和内皮干细胞。这些细胞的形态学特征取决于其本身的生物学特性，同时受到涂片、染色和图像采集过程的影响。

骨髓形态学报告的诊断结论受人的专业知识水平制约。其中骨髓形态学报告的诊断结论是由实验数据、诊断标准以及疾病个体的症状体征等因素综合分析而来的。不同的镜检者对同一份病例会因为自身的认知水平得出不同的诊断结论，这就会给临床诊断带来疑惑和困难。将临床资料、实验数据和诊断标准标准化、信息化，通过智能手段进行分析评判，可以得到一个稳定而规范的诊断结论，从而提高整体诊断水平。

申请号为CN201811168824.4的专利公开了一种基于深度学习的骨髓细胞分类方法及分类装置，其中该方法包括：对骨髓细胞样本图像中的骨髓细胞标注细胞位置以及其分类标签；从骨髓细胞样本图像中提取预设尺寸的具有单一分类标签的图像块样本；构建骨髓细胞分类任务的卷积神经网络，然后利用由图像块样本组成的训练集进行训练，得到骨髓细胞分类模型；将骨髓细胞待测图像切割成预设尺寸的多个测试图像块，将多个测试图像块遍历地输入骨髓细胞分类模型，检测出多个测试图像块中的骨髓细胞边缘，并输出骨髓细胞对应的分类标签以及分类置信概率。

其不足之处在于，不能对数据进行针对性的筛选和整理，使得医生在进行诊断时需要从各项数据中寻找数据并作对比，浪费了医生的时间和精力。

发明内容

为了解决现有的关于骨髓细胞形态学的检测系统及装置不能对数据进行针对性的筛选和整理的问题，本发明创造提出了一种可以对数据进行针对性整理和筛选的一种骨髓形态学自动检测系统的疾病联想方法。

为了实现上述目的，本发明创造所采用的技术方案是，一种骨髓细胞形态学自动检测系统的疾病联想方法，包括以下步骤：S1：对在筛选区域的细胞进行计数识别统计；S2:将大小、形态、染色以及结构异常的细胞截图，放入审核系统进行人工描述；S3：获取在在识别过程中无法识别的细胞截图，放入审核系统中进行识别；S4：将无法识别的细胞的识别结果补偿进入计数识别统计中；S5：对计数结果进行关于疾病的数据的计算，获取与疾病相关的数据；S6：将与疾病相关的数据与正常参考值作对比，进行重点数据筛选；S7：将筛选后的数据，与现有疾病建立联想，并进行联想分析；S8：将联想的疾病与审核系统对于异常细胞描述的结果结合得出最终的联想结果。

作为优选，所述的S2包括以下步骤：A1：获取由审核员按照一定格式书写的异常细胞的特征描述；A2：将异常细胞按照种类放置，并统计每个种类中异常细胞的每个特征的出现次数，并按照次数排序；A3：计算每个特征出现的次数占总特征数的比例；A4：查找数据库获取每个特征所对应的现有疾病，如果一个疾病中出现有多个特征，则将多个特征的比例相加，作为异常细胞与该现有疾病的指向度。