[发明专利]一种窄带光成像膀胱镜检图像的分析系统和方法

说明书

本发明提供了一种窄带光成像膀胱镜检图像的分析系统和方法。该系统包含以下模块：基本图像模块、输入模块、图像处理模块、分析学习模块、判读模块、输出模块。该系统可以有效对NBI膀胱镜的镜检图像进行准确的分析，为膀胱癌提供有力的辅助诊断信息，具有临床应用前景。

技术领域

本发明属于医学影像识别技术领域，具体涉及一种窄带光成像膀胱镜检图像的分析系统和方法。

背景技术

膀胱癌发病率、死亡率很高，根据2018年数据，全年膀胱癌发病率位居所有肿瘤的第十位，我国新发病例82270例，位居世界之首。膀胱癌的男性发病率是女性的三到四倍，但由于早期症状(主要为血尿)发现不及时，女性患者诊断时多已晚期，死亡率更高。膀胱癌对老年群体危害巨大，其平均诊断年龄是73岁，90％的病人年龄大于55岁。受困于现有科学技术，近三十年来膀胱癌的诊断、治疗方式和五年生存率没有明显变化，诊断和随访复发多依赖于膀胱镜检查。

目前，窄带光成像(Narrow Band Imaging，NBI)已被广泛应用于膀胱镜检查，它是利用滤光器将白光过滤为窄带的蓝光、绿光和红光增加黏膜上皮和黏膜下血管的对比度和清晰度，相比于普通白光，对于早期肿瘤和小肿瘤有更准确的诊断，被视为传统白光膀胱镜的有力补充。

然而，但是目前镜检结果只是依据医生肉眼观察，依靠人眼观察病变位置存在较大的不准确性。近年来，以深度学习为代表的人工智能技术发展迅速，在医学影像诊断领域，利用多层神经网络，能够快速准确地对数据的特征进行有效且准确地识别，不但可以降低医生的工作量，而且可以大大降低人眼观测的不准确性。目前，深度学习等已经在乳腺癌病理检查、肺癌检测、心血管成像等医学成像领域得到了广泛的研究。

目前，由于NBI膀胱镜技术用于临床的时间尚短，仍无将其与人工智能结合的现有技术报道，研发一种能够对NBI膀胱镜检的图像进行准确分析的方法，设计一种实现该方法的人工智能系统，将对膀胱癌的临床诊疗起到非常重要的意义。

发明内容

本发明的目的在于提供一种窄带光成像膀胱镜检图像的分析方法及系统，通过结合窄带光成像结合人工智能系统对NBI获取的图像进行分析，以解决目前依靠人工识别图像分析所导致的准确性较差的问题。

本发明提供了一种窄光带成像膀胱镜检图像的分析系统，包括如下模块：

基本图像模块：由NBI膀胱镜采集的膀胱癌癌前病变图像、膀胱癌组织图像、膀胱正常组织图像样本构成基本NBI膀胱镜检图像库；

输入模块：将NBI膀胱镜下获取到的图像与对应得组织病理检查结果输入系统；

图像处理模块：对基本图像模块的图像库进行处理，得到癌前病变图像、膀胱癌图像、正常组织图像的特征值集合；对图像输入模块输入的图像进行处理得到测试特征值；

分析学习模块：以特征值集合为基础进行深度学习网络的构建和训练；根据输出模块返回的结果优化深度学习网络算法；

判读模块：将测试特征值输入分析学习模块进行判读，并比较判读结果与组织病理检查结果，结果一致则判读结果准确，结果不一致则判读结果不准确；

输出模块：判读结果不准确，则将结果返回学习模块优化算法；判读结果准确，则输出判读结果。

进一步地，上述图像处理模块的处理包括对所述NBI膀胱镜检图像进行归一化处理、感兴趣区域勾画并检测得到特征值。

进一步地，上述深度学习网络是卷积神经网络，由卷积层、池化层、全链接层构成。

本发明还提供了上述分析系统的构建方法，包括如下步骤：

1)收集NBI膀胱镜采集的膀胱癌癌前病变图像、膀胱癌组织图像、膀胱正常组织图像样本构成基本NBI膀胱镜检图像库；