[发明专利]一种用于肺癌组织病理分型的智能判断方法及系统

权利要求书

1.一种用于肺癌组织病理分型的智能判断方法，其特征在于，至少包括如下步骤：

采集符合预设要求的肺癌组织切片数据后进行预处理，得到分类标注后的肺癌样本；根据所述肺癌样本分别构建切片tile模型和切片aggregation模型；

在完成上述模型的构建后分别进行模型训练、验证及测试，形成肺癌定量组织学分类评估系统；

输入待分型的肺癌组织病理切片至所述肺癌定量组织学分类评估系统，得到人工智能

诊断报告意见书及对应的肺癌组织病理分型结果；

所述智能判断方法还包括：根据预设比例将所述肺癌样本进行随机划分，得到所述切片tile模型对应的训练集、验证集和测试集；

所述预处理，具体包括：对所述肺癌组织切片数据中的WSI图像画格，对WSI图像中每个单元格进行二分类标注，该二分类包括正常、具体病种，所述具体病种包括肺腺癌或肺鳞癌；对上述二分类标注后的肺癌数据库进行三分类评估，该三分类包括肺腺癌、肺鳞癌和正常；并对肺腺癌中每个单元格进行二分类标注，该二分类标注包括正常和具体病种；对肺腺癌数据库进行四分类评估，该四分类包括附壁样、腺泡样、乳头状和实性；

所述切片tile模型的构建，具体包括：结合基本神经网络模型及病理图像识别技术，通过对基本神经网络模型的层数、深度及超参数调优，搭建若干种卷积神经网络模型；

所述切片tile模型的模型训练、验证及测试，具体包括：分别输入切片tile模型对应的训练集、验证集和测试集至搭建的若干种卷积神经网络模型进行训练、验证及测试；

比较若干种卷积神经网络模型基于测试集的预测准确率，选取预测准确率最高的卷积神经网络模型作为最优分类模型；

所述切片aggregation模型的构建，具体包括：提取所述切片tile模型的特征后形成切片热图，根据切片热图的每个区域是否出现计数进行定量，并以病理医生的标注对定量结果进行标准定义；

所述切片aggregation模型的模型训练、验证及测试，具体包括：提取所述切片tile模型的特征形成切片热图并进行标注，作为所述切片aggregation模型的训练集进行模型训练；将标注好的切片WSI图像作为所述切片aggregation模型的验证集及测试集。

2.根据权利要求1所述的用于肺癌组织病理分型的智能判断方法，其特征在于，还包括：对人工智能诊断报告意见书进行外部评估，根据外部评估结果确定所述肺癌定量组织学分类评估系统的评估指标数据。

3.根据权利要求2所述的用于肺癌组织病理分型的智能判断方法，其特征在于，还包括：实时采集所述外部评估结果，并根据所述外部评估结果对所述肺癌定量组织学分类评估系统进行修正和更新。

4.一种通过权利要求1-3任一项所述智能判断方法进行肺癌组织病理分型的智能判断系统，其特征在于，包括：预处理模块，用于采集符合预设要求的肺癌组织切片数据后进行预处理，得到分类标注后的肺癌样本；模型构建模块，用于根据所述肺癌样本分别构建切片tile模型和切片aggregation模型；评估系统构建模块，用于在完成上述模型的构建后分别进行模型训练、验证及测试，形成肺癌定量组织学分类评估系统；

分类评估模块，用于输入待分型的肺癌组织病理切片至所述肺癌定量组织学分类评估系统，得到人工智能诊断报告意见书及对应的肺癌组织病理分型结果。