[发明专利]基于深度学习的头颈鳞癌淋巴结转移癌诊断辅助识别系统

权利要求书

1.基于深度学习的头颈鳞癌淋巴结转移癌诊断辅助识别系统，其特征在于，包括：图像扫描导入子系统、图像鉴别评估子系统、诊断辅助模型自主修正子系统和结果输出模块；所述图像扫描导入子系统，为通过数字病理切片扫描仪采集头颈鳞癌淋巴结组织病理切片的图像信息，并储存在病理数据库中；所述图像鉴别评估子系统，包括组织区域识别模型和转移癌区域判别模型，所述组织区域识别模型，为利用图像分割算法对图像中的背景区域进行去除，获得组织区域；所述转移癌区域判别模型，用基于深度学习算法构建的二次诊断模型对组织区域进行分割诊断，在结果输出模块中对淋巴结整体潜在的癌灶区域进行标注性诊断，并反馈给病理科医生，以供最终诊断；所述诊断辅助模型自主修正子系统，为将病理科医生诊断标注后的癌区域和非癌区域并复验后再次纳入病理数据库，积累到一定数量后并再度利用深度学习算法，对转移癌区域判别模型进行自主修正。

2.根据权利要求1所述的基于深度学习的头颈鳞癌淋巴结转移癌诊断辅助识别系统，其特征在于，所述组织区域识别模型具体包括以下步骤： 1）将RGB三通道原始病理图像转换成灰度图像； 2）利用大津算法将全切片图像中的组织区域和背景区域分开，生成组织区域图像； 3）构建组织区域数据库，减少实际分析的区域。

3.根据权利要求2所述的基于深度学习的头颈鳞癌淋巴结转移癌诊断辅助识别系统，其特征在于，所述二次诊断模型，包括初次诊断模型和再次诊断模型，所述初次诊断模型，包括初次诊断模型的构建阶段和初次诊断模型的诊断阶段；所述再次诊断模型，包括癌图块确认模型和非癌图块确认模型，分别用来解决图块识别中的假阳性和假阴性问题，提高模型的诊断性能；所述癌图块确认模型，包括癌图块确认模型的构建阶段和癌图块确认模型的诊断阶段，所述非癌图块确认模型，包括非癌图块确认模型的构建阶段和非癌图块确认模型的诊断阶段；所述结果输出模块包括结果输出模块的构建阶段和诊断阶段；所述诊断辅助模型自主修正子系统包括对初次诊断模型的修正、再次诊断模型的修正和结果输出模块的修正。

4.根据权利要求3所述的基于深度学习的头颈鳞癌淋巴结转移癌诊断辅助识别系统，其特征在于，所述初次诊断模型的构建阶段，具体步骤包括： 1）由病理专家人工注释淋巴结转移状态并对转移癌区域与非癌区域进行勾画； 2）将癌区域和非癌区域分割成大小相等的正方形图块，并分别标记为癌图块和非癌图块； 3）提取足量、等量癌图块和非癌图块构成初次诊断模型训练集并进行数据增强； 4）利用深度学习算法构建识别癌图块和非癌图块的初次诊断模型。

5.根据权利要求4所述的基于深度学习的头颈鳞癌淋巴结转移癌诊断辅助识别系统，其特征在于，所述初次诊断模型的诊断阶段具体步骤包括： 1）设置与正方形图块等大的滑动窗口，滑动窗口在水平方向和垂直方向从待测淋巴结组织区域部分重叠地提取未知图块，输入初次诊断模型； 2）利用初次诊断模型对未知图块进行识别并分为癌图块和非癌图块两类。

6.根据权利要求5所述的基于深度学习的头颈鳞癌淋巴结转移癌诊断辅助识别系统，其特征在于，所述癌图块确认模型的构建阶段包括具体以下步骤： 1）利用初次诊断模型对所有标记的非癌图块进行识别，将所有错误识别为癌图块的非癌图块建立为假阳性数据集，标签为非癌图块； 2）利用假阳性数据集中的非癌图块和用于训练初次诊断模型的癌图块的数量，构建癌图块确认模型训练集进行数据增强； 3）利用深度学习算法对增强后的癌图块确认模型训练集进行学习，构建癌图块确认模型。

7.根据权利要求6所述的基于深度学习的头颈鳞癌淋巴结转移癌诊断辅助识别系统，其特征在于，所述癌图块确认模型的诊断阶段包括具体以下步骤： 1）读取初次诊断模型识别为癌图块的未知图块； 2）利用癌图块确认模型对未知图块进行识别并分为癌图块和非癌图块两类。