[发明专利]超声内镜、人工智能辅助鉴别方法、系统、终端、介质

说明书

本发明属于医疗人工智能技术领域，公开了一种超声内镜、人工智能辅助鉴别方法、系统、终端、介质，通过图像采集模块实时获取超声内镜监视器中超声内镜视频或静态图像的图像数据，并截取图像帧；通过图像分割模块采用人工图像分割或利用深度学习分割模型基于采集的图像进行肿瘤部位图像的分割提取；通过图像转换模块将分割的图像大小统一，并进行归一化处理，获得的模块化图片即标准化的病灶部位图像；通过图像分类模块利用深度学习分类模型将模块化图片划分间质瘤图像或平滑肌瘤图像；通过输出模块输出图像分类结果。本发明提供的方法，能够有效提高图像鉴别准确率，减少误诊。

技术领域

本发明属于医疗人工智能技术领域，尤其涉及一种超声内镜、人工智能辅助鉴别方法、系统、终端、介质，具体涉及一种间质瘤和平滑肌瘤的超声内镜下人工智能辅助鉴别方法。

背景技术

目前，超声内镜可以清晰地显示胃肠道壁的层次和粘膜下病变的起源层次，是目前诊断胃肠道粘膜下肿瘤的准确率最高的影像学技术，被广泛应用于胃肠道粘膜下肿瘤的筛查和诊断。

间质瘤和平滑肌瘤是胃肠道粘膜下肿瘤中最常见的肿瘤。间质瘤是恶性或潜在恶性的肿瘤，需要密切的随访和手术治疗；平滑肌瘤被认为是良性的肿瘤，一般不需要进行手术切除。但间质瘤和平滑肌瘤的影像学表现十分相似，当前的影像学技术即使是超声内镜也无法有效鉴别间质瘤和平滑肌瘤，因此导致了大量患者被误诊。内镜下人体组织活检方法，对于较小的病变(直径20mm) 存在取材困难，诊断率低的问题，同时还有引起出血和消化道穿孔的风险。一些被误诊的、缺乏明确诊断的、需要密切随访、及时手术的间质瘤患者因此耽误了诊疗时机；还有一些被误诊的不需要手术的平滑肌瘤患者反复进行胃镜检查，进行了不必要的手术治疗，既承受了生理的痛苦和手术的风险，也增加了患者的经济负担。

人工智能，特别是计算机视觉技术在医学领域的应用在近年逐渐兴起，通过人工智能对医学影像图片进行判读常常可以获得比人类影像学专家更为准确的诊断率。但目前尚未有针对超声内镜下的人工智能诊断应用，特别是诊断间质瘤和平滑肌瘤的应用。

通过上述分析，现有技术存在的问题及缺陷为：

(1)现有的影像学检测或鉴别方法并不能准确鉴别间质瘤和平滑肌瘤图像，导致误诊率高。

(2)内镜下人体组织活检方法操作困难，特别是对于较小的病变(直径 20mm)的标本取材合格率低，导致诊断率低，诊断结论不明确；同时，活检为侵入性检查，有出血、消化道穿孔的风险。

(3)目前尚未有针对超声内镜下的人工智能诊断应用，特别是鉴别间质瘤。和平滑肌瘤图像的应用。

解决以上问题及缺陷的难度为：

(1)需要收集大量具有高质量的超声内镜图片且同时具有明确病理诊断的病例资料作为训练人工智能模型的数据库。

(2)需要专业的超声内镜医生对超声内镜图片的病变进行标记，用于人工智能模型的训练和验证。

(3)需要通过多次调试参数，选择诊断效能好的人工智能模型和人工智能系统的前台界面的编程。

(4)需要通过足够数量的病例的测试，以进一步验证人工智能系统的可靠性。

解决以上问题及缺陷的意义为：

(1)提高胃肠道间质瘤和平滑肌瘤在超声内镜检查下的诊断准确率。

(2)使间质瘤和平滑肌瘤患者避免了手术前的有创的活检检查，和因诊断不明导致的长期进行内镜检查随访。

(3)提高胃肠道间质瘤和平滑肌瘤在超声内镜检查下的诊断准确率，有利于避免耽误诊疗时机或避免进行不必要的手术。

发明内容

针对现有技术存在的问题，本发明提供了一种超声内镜、人工智能辅助鉴别方法、系统、终端、介质。