[发明专利]一种基于深度学习的皮肤基底细胞癌和鲍温病识别方法

说明书

本发明提供了一种基于深度学习的皮肤基底细胞癌和鲍温病识别方法。所述识别系统使用了大量的带有标签的皮肤组织细胞病理图像训练卷积神经网络，并通过迭代训练，使得最终生成的分类器能够有效的正确识别基底细胞癌和鲍温病。本发明通过修改模型的全连接层和输出层，实现了快速而又高效的训练，并最终以软件应用的方式呈现。对于皮肤科及病理科医生来说，可以帮助他们有效地减轻识别大量病理图像并进行诊断的繁重工作量。

技术领域

本发明涉及医疗图像人工智能识别领域，具体涉及一种基于深度学习的皮肤基底细胞癌和鲍温病识别方法。

背景技术

皮肤基底细胞癌和鲍温病(Bowen's disease，又称原位鳞状细胞癌)是两种常见的皮肤肿瘤。临床实践表明，这些疾病如能早期诊断出来，通常能够达到临床治愈的目的，延误诊断将加重局部组织破坏或者转移风险大大提高。传统的诊断方法主要依靠经验丰富的医生从大量显微镜下组织细胞图像中识别肿瘤组织细胞特征。识别大量病理图像并做出正确判断是一项繁重的工作，这很容易导致评估准确性降低，甚至导致误诊。

近年来，随着深度学习和计算机技术的发展，卷积神经网络已广泛应用于人工智能的许多领域。卷积神经网络提供了一种独特的体系结构，该体系结构允许使用合理的计算资源来训练诸如图像之类的高维数据。Andre Esteva等人在《Dermatologist-levelclassification of skin cancer with deep neural networks》文章中提出了使用单个卷积神经网络对皮肤病变的分类，使用129,450个临床图像的数据集对卷积神经网络进行了训练，卷积神经网络在这两项识别诊断任务上均达到了与测试专家相同的准确度，展示了一种能够对皮肤病进行分类的人工智能构架。但其主要针对临床皮肤病症图像进行识别，未进行组织病理细胞显微图像的识别，临床工作中组织病理显微图像是进行皮肤病诊断的主要依据，更是皮肤肿瘤诊断的“金标准”。因此，亟需一种新技术方案能对皮肤病组织病理细胞显微图像进行准确的特征提取及疾病的辅助诊断。

发明内容

本发明的目的在于提供一种基于深度学习的皮肤基底细胞癌和鲍温病识别方法，该方法对皮肤基底细胞癌和鲍温病病理图像进行快速的特征提取，再结合分类模型对待预测图片进行预测。本发明通过迁移学习和数据增强，在病理图像不充足的前提下完成卷积神经网络的训练，本发明能实现对皮肤基底细胞癌和鲍温病的准确识别，以辅助医生进行诊断。

本发明的目的是通过以下技术方案实现的：

一种基于深度学习的皮肤基底细胞癌和鲍温病识别方法，根据患者皮肤组织病理图像特征进而检测及分辨出表皮细胞是否正常，操作步骤如下：

1.1获取已知诊断结果的皮肤基底细胞癌和鲍温病的皮肤组织细胞病理图像样本，建立具有皮肤组织细胞诊断结果标签的皮肤组织细胞病理图像数据集；

1.2将步骤1.1中的皮肤组织细胞病理图像进行预处理，包括图像增强和数据增强；

1.3通过训练好的深度卷积神经网络提取皮肤组织细胞图像特征；

1.4使用Softmax模型对步骤1.3提取到的病理图像特征进行训练，对提取到的病理图像特征进行评估处理，得到用于皮肤基底细胞癌和鲍温病识别的分类模型；

1.5将步骤1.4训练好的皮肤基底细胞癌和鲍温病识别的分类模型和深度卷积神经网络模型封装成终端界面软件，直接使用此软件进行的皮肤基底细胞癌和鲍温病的识别检测。

在所述步骤1.1中，优选将临床获取的病理细胞图像进行添加种类标签，包括正常皮肤组织细胞图像、皮肤基底细胞癌细胞图像和鲍温病细胞图像。

在所述步骤1.2中，优选通过图像增强锐化或去噪等方式提高图像的质量，针对临床组织细胞病理图像数量局限问题，采用数据增强的方法来增加训练样本的数量，以提高卷积神经网络的训练精度。